論文の概要: FENCE: Fairplay Ensuring Network Chain Entity for Real-Time Multiple ID Detection at Scale In Fantasy Sports

• arxiv url: http://arxiv.org/abs/2310.05651v1
• Date: Mon, 9 Oct 2023 12:04:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 05:11:13.690344
• Title: FENCE: Fairplay Ensuring Network Chain Entity for Real-Time Multiple ID Detection at Scale In Fantasy Sports
• Title（参考訳）: fence:fairplay: ファンタジースポーツにおけるリアルタイム多重id検出のためのネットワークチェーンエンティティの確保
• Authors: Akriti Upreti, Kartavya Kothari, Utkarsh Thukral, Vishal Verma
• Abstract要約: 重複/複数アカウントを検出するグラフベースのソリューションを提案する。 本稿では,検出モデルからの推論をサービスし,サポートするためにデプロイされた分散MLシステムについて述べる。 このセットアップの中核となる部分は、バリデーション、フィードバック、グラウンドトルースラベリングのためのヒューマン・イン・ザ・ループコンポーネントも含まれる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dream11 takes pride in being a unique platform that enables over 190 million fantasy sports users to demonstrate their skills and connect deeper with their favorite sports. While managing such a scale, one issue we are faced with is duplicate/multiple account creation in the system. This is done by some users with the intent of abusing the platform, typically for bonus offers. The challenge is to detect these multiple accounts before it is too late. We propose a graph-based solution to solve this problem in which we first predict edges/associations between users. Using the edge information we highlight clusters of colluding multiple accounts. In this paper, we talk about our distributed ML system which is deployed to serve and support the inferences from our detection models. The challenge is to do this in real-time in order to take corrective actions. A core part of this setup also involves human-in-the-loop components for validation, feedback, and ground-truth labeling.
• Abstract（参考訳）: dream11は、1億9000万人以上のファンタジースポーツユーザーが自分のスキルを実演し、自分の好きなスポーツとより深くつながることができるユニークなプラットフォームであることを誇りに思っている。 このようなスケールを管理する一方で、私たちが直面している問題のひとつは、システムの重複/複数アカウント生成です。 これは、通常ボーナスオファーのために、プラットフォームを悪用する意図のあるユーザによって行われる。 課題は、遅すぎる前に複数のアカウントを検出することだ。 本稿では,まず,ユーザ間のエッジ/アソシエーションを予測できるグラフベースソリューションを提案する。 エッジ情報を使用することで、複数のアカウントを集約するクラスタを強調します。 本稿では,検出モデルからの推論をサービスし,サポートするためにデプロイされた分散MLシステムについて述べる。 課題は、それをリアルタイムで行い、正しい行動を取ることです。 この設定のコア部分には、検証、フィードバック、地中ラベル付けのためのヒューマン・イン・ザ・ループコンポーネントも含まれている。

関連論文リスト

• Deciphering Movement: Unified Trajectory Generation Model for Multi-Agent [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを導入する。 バスケットボール-U,サッカー-U,サッカー-Uの3つの実用的なスポーツゲームデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• Fact Checking Beyond Training Set [64.88575826304024]
  本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。 本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。 次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
  論文  参考訳（メタデータ） (2024-03-27T15:15:14Z)
• Lightweight Boosting Models for User Response Prediction Using Adversarial Validation [2.4040470282119983]
  ShareChatが主催するACM RecSys Challenge 2023は、アプリがインストールされる確率を予測することを目的としている。 本稿では,この課題に対する軽量な解決策について述べる。
  論文  参考訳（メタデータ） (2023-10-05T13:57:05Z)
• MythQA: Query-Based Large-Scale Check-Worthy Claim Detection through Multi-Answer Open-Domain Question Answering [8.70509665552136]
  チェック価値のあるクレーム検出は、下流のファクトチェックシステムや、チェックする人間の専門家に、もっともらしい誤情報を提供することを目的としている。 しかし、Twitterのような大規模情報ソースから直接、チェック価値のあるクレームを効率的に検出する方法は、まだ解明されていない。 我々は、クエリベースの大規模チェックアワークレーム検出のための矛盾するスタンスマイニングを含む、複数回答のオープンドメイン質問応答(QA)タスクであるMythQAを紹介する。
  論文  参考訳（メタデータ） (2023-07-21T18:35:24Z)
• Audience Expansion for Multi-show Release Based on an Edge-prompted Heterogeneous Graph Network [5.8720142291102135]
  エッジプロンプト不均質グラフネットワークに基づく2段階のオーディエンス拡張スキームを提案する。 オフラインの段階では、グラフを構築するために、ユーザIDと番組の特定のサイド情報の組み合わせがノードとして選択される。 オンライン段階では、クリック/ビューユーザを含む後続データをシードとして使用して、類似ユーザを探す。
  論文  参考訳（メタデータ） (2023-04-08T15:14:32Z)
• The Minority Matters: A Diversity-Promoting Collaborative Metric Learning Algorithm [154.47590401735323]
  CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。 本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。 textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:02:18Z)
• Modeling User Behavior With Interaction Networks for Spam Detection [4.795582035438343]
  Spamは、Webスケールのデジタルプラットホームを悩ませる深刻な問題だ。 本稿では,新しいグラフフレームワーク上でのスパム検出モデルSEINEを提案する。 我々のモデルは、エッジタイプや属性とともに近隣を考慮し、幅広いスパマーを捕捉することができる。
  論文  参考訳（メタデータ） (2022-07-21T21:34:56Z)
• Causal Scene BERT: Improving object detection by searching for challenging groups of data [125.40669814080047]
  コンピュータビジョンアプリケーションは、物体検出のようなタスクのためにニューラルネットワークでパラメータ化された学習ベースの知覚モジュールに依存している。 これらのモジュールは、トレーニングプロセスに固有のバイアスのため、予想される誤差が低いが、データの非定型的なグループに対して高い誤差を持つことが多い。 本研究の主な貢献は,シミュレートされたシーンに対して因果的介入を行うことにより,前向きにそのようなグループを発見する擬似オートマチック手法である。
  論文  参考訳（メタデータ） (2022-02-08T05:14:16Z)
• Completely Self-Supervised Crowd Counting via Distribution Matching [92.09218454377395]
  我々は,密集した群集数に対するトレーニングモデルに対する完全な自己超越的アプローチを提案する。 トレーニングに必要な入力は、大量の未ラベルの群衆画像以外は、群衆数に近似した上限である。 提案手法は,自然群集が逆伝播の誤り信号を生成するために利用可能な電力法分布に従うという考え方に富む。
  論文  参考訳（メタデータ） (2020-09-14T13:20:12Z)
• Friend or Faux: Graph-Based Early Detection of Fake Accounts on Social Networks [4.923937591056569]
  我々は,新しいユーザが偽アカウントであるかどうかを,(I)友達リクエストターゲットの選択と(II)これらのターゲットの応答を集約することで決定するSybilEdgeアルゴリズムを提案する。 我々は、SybilEdgeがFacebookネットワーク上で新しいフェイクユーザーを素早く検出し、最先端のアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-09T22:03:28Z)
• FairMOT: On the Fairness of Detection and Re-Identification in Multiple Object Tracking [92.48078680697311]
  マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。 本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。 このアプローチは、検出と追跡の両方において高い精度を達成する。
  論文  参考訳（メタデータ） (2020-04-04T08:18:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。