論文の概要: Identifying Risk Patterns in Brazilian Police Reports Preceding Femicides: A Long Short Term Memory (LSTM) Based Analysis

• arxiv url: http://arxiv.org/abs/2401.12980v1
• Date: Thu, 4 Jan 2024 23:05:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-28 15:43:58.904401
• Title: Identifying Risk Patterns in Brazilian Police Reports Preceding Femicides: A Long Short Term Memory (LSTM) Based Analysis
• Title（参考訳）: フェミシドを先行したブラジル警察のリスクパターンの同定:長期記憶(LSTM)に基づく分析
• Authors: Vinicius Lima, Jaque Almeida de Oliveira
• Abstract要約: フェミサイド(Femicide)は、親密なパートナーや家族によってしばしば強姦される女性の犠牲者を殺害することであり、また性による暴力とも関係している。 本研究では,殺人前のブラジル警察報告における行動パターンの同定にLSTM(Long Short Term Memory)を用いた。 最初の目的は、これらの報告の内容を、被害者が殺害されるリスクの低いか高いかを示すものとして分類し、精度を66%にすることであった。 第2のアプローチでは、パターン化されたイベントのシーケンス内で、被害者が次に経験する可能性のあるアクションを予測するモデルを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Femicide refers to the killing of a female victim, often perpetrated by an intimate partner or family member, and is also associated with gender-based violence. Studies have shown that there is a pattern of escalating violence leading up to these killings, highlighting the potential for prevention if the level of danger to the victim can be assessed. Machine learning offers a promising approach to address this challenge by predicting risk levels based on textual descriptions of the violence. In this study, we employed the Long Short Term Memory (LSTM) technique to identify patterns of behavior in Brazilian police reports preceding femicides. Our first objective was to classify the content of these reports as indicating either a lower or higher risk of the victim being murdered, achieving an accuracy of 66%. In the second approach, we developed a model to predict the next action a victim might experience within a sequence of patterned events. Both approaches contribute to the understanding and assessment of the risks associated with domestic violence, providing authorities with valuable insights to protect women and prevent situations from escalating.
• Abstract（参考訳）: フェミサイド(Femicide)は、親密なパートナーや家族によってしばしば強姦される女性の犠牲者を殺害することであり、また性による暴力とも関係している。 研究は、これらの殺人に至る暴力をエスカレートするパターンがあることを示しており、被害者に対する危険度を評価することができる場合の予防の可能性を強調している。 機械学習は、暴力のテキスト記述に基づいてリスクレベルを予測することによって、この課題に対処するための有望なアプローチを提供する。 本研究では,殺人前のブラジル警察報告における行動パターンの同定にLSTM(Long Short Term Memory)を用いた。 我々の最初の目的は、これらの報告の内容が被害者が殺されるリスクが低いか高いかを示すものとして分類することであり、正確性は66%であった。 第2のアプローチでは、被害者がパターン化されたイベントのシーケンス内で経験するであろう次のアクションを予測するモデルを開発した。 どちらのアプローチも、家庭内暴力に関連するリスクの理解と評価に寄与し、当局は女性を保護し、状況がエスカレートすることを防ぐ貴重な洞察を提供する。

関連論文リスト

• On the Adversarial Risk of Test Time Adaptation: An Investigation into Realistic Test-Time Data Poisoning [49.17494657762375]
  テスト時間適応(TTA)は、テストデータを使用して推論段階でモデルの重みを更新し、一般化を強化する。 既存の研究では、TTAが逆方向検体で更新されると、良性検体の性能が低下することが示されている。 そこで本研究では, 良性試料にアクセスすることなく, 有毒試料を効果的かつ現実的に生成する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-07T01:29:19Z)
• Predicting Femicide in Veracruz: A Fuzzy Logic Approach with the Expanded MFM-FEM-VER-CP-2024 Model [0.0]
  この記事は、メキシコのベラクルスにおける殺虫剤の緊急問題と、MFM_FEM_VER_CP024モデルの開発に焦点を当てている。 このモデルは、強制管理、非人道化、暴力のサイクルといったリスク要因を形式化し、性別に基づく暴力に固有の複雑さと不確実性に対処する。
  論文  参考訳（メタデータ） (2024-08-31T06:00:49Z)
• Analyzing Male Domestic Violence through Exploratory Data Analysis and Explainable Machine Learning Insights [0.5825410941577593]
  既存の文献は、主に家庭内暴力のシナリオにおける女性の犠牲者を強調しており、男性の犠牲者に関する研究が欠如している。 本研究はバングラデシュにおける男性家庭内暴力(MDV)の未発見領域の先駆的な探索である。 本研究は、家庭内虐待が主に女性に影響を及ぼすという一般的な考え方に挑戦し、男性被害者に対する適切な介入や支援システムの必要性を強調した。
  論文  参考訳（メタデータ） (2024-03-22T19:53:21Z)
• Backdoor Attacks Against Incremental Learners: An Empirical Evaluation Study [79.33449311057088]
  本稿では,11人の典型的なインクリメンタル学習者の3つの学習シナリオに対する中毒ベースのバックドア攻撃に対する高い脆弱性を実証的に明らかにする。 アクティベーションクラスタリングに基づく防御機構は,潜在的なセキュリティリスクを軽減するためのトリガーパターンの検出に有効であることがわかった。
  論文  参考訳（メタデータ） (2023-05-28T09:17:48Z)
• Temporal Robustness against Data Poisoning [69.01705108817785]
  データ中毒は、悪意のあるトレーニングデータを通じて、敵対者が機械学習アルゴリズムの振る舞いを操作する場合を考慮している。 本研究では,攻撃開始時間と攻撃持続時間を測定する2つの新しい指標である耳線と持続時間を用いたデータ中毒の時間的脅威モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-07T18:59:19Z)
• Understanding the Vulnerability of Skeleton-based Human Activity Recognition via Black-box Attack [53.032801921915436]
  HAR(Human Activity Recognition)は、自動運転車など、幅広い用途に採用されている。 近年,敵対的攻撃に対する脆弱性から,骨格型HAR法の堅牢性に疑問が呈されている。 攻撃者がモデルの入出力しかアクセスできない場合でも、そのような脅威が存在することを示す。 BASARと呼ばれる骨格をベースとしたHARにおいて,最初のブラックボックス攻撃手法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T09:51:28Z)
• Balancing detectability and performance of attacks on the control channel of Markov Decision Processes [77.66954176188426]
  マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。 この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
  論文  参考訳（メタデータ） (2021-09-15T09:13:10Z)
• Machine learning for risk assessment in gender-based crime [0.0]
  本稿では,性暴力行為者の再犯リスクを正確に予測するモデルを作成するために機械学習(ML)技術を適用することを提案する。 本研究の関連性は3つある: (i) 提案されたML法は、古典的統計手法に基づいて既存のリスク評価アルゴリズムを上回り、 (ii) 性的暴力の4万件以上の報告を含む公式の特定目的データベースを通じて研究が行われ、 (iii) モデルが生成するリソースの供給と過負荷に対する効果的な警察保護を評価するための2つの新しい品質対策が提案されている。
  論文  参考訳（メタデータ） (2021-06-22T15:05:20Z)
• The effect of differential victim crime reporting on predictive policing systems [84.86615754515252]
  本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。 以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-01-30T01:57:22Z)
• Indirect Identification of Psychosocial Risks from Natural Language [0.0]
  うつ病や親密なパートナーの暴力を含む精神社会的健康リスクは、親子にとって深刻な健康上の結果に関係している。 精神社会的リスクを示す情報を間接的に抽出・分析する方法について検討した。 正規化回帰は、親密なパートナーによるうつ病のスクリーニングと心理的攻撃の予測に使用される。
  論文  参考訳（メタデータ） (2020-04-30T03:13:28Z)
• A Rule-Based Model for Victim Prediction [1.8199326045904993]
  本研究の目的は,集中抑止戦略のリストとVIPARスコアリストを比較し,今後の射撃被害の予測力について比較することである。 我々は、年齢、過去の犯罪歴、そして将来の暴力の主要な予測要因としてピアインフルエンスを使用している。 実験の結果、VIPARのスコアは、将来の銃撃の犠牲者の25.8%、将来の銃撃の容疑者の32.2%を予測しているのに対し、集中抑止リストは、将来の銃撃の犠牲者の13%、将来の銃撃の容疑者の9.4%を予測している。
  論文  参考訳（メタデータ） (2020-01-06T04:29:59Z)

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。