論文の概要: Domain-Independent Deception: A New Taxonomy and Linguistic Analysis

• arxiv url: http://arxiv.org/abs/2402.01019v1
• Date: Thu, 1 Feb 2024 21:13:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 17:39:44.070620
• Title: Domain-Independent Deception: A New Taxonomy and Linguistic Analysis
• Title（参考訳）: ドメイン非依存的デセプション:新しい分類法と言語分析
• Authors: Rakesh M. Verma, Nachum Dershowitz, Victor Zeng, Dainis Boumber, Xuting Liu
• Abstract要約: 我々は, 偽証の新たな計算的定義と, 偽証を新しい分類学に分解する。 共通の言語的特徴を考察し,様々な形態の騙しに対する知識伝達の証拠を与える。
• 参考スコア（独自算出の注目度）: 4.675124490697304
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Internet-based economies and societies are drowning in deceptive attacks. These attacks take many forms, such as fake news, phishing, and job scams, which we call ``domains of deception.'' Machine-learning and natural-language-processing researchers have been attempting to ameliorate this precarious situation by designing domain-specific detectors. Only a few recent works have considered domain-independent deception. We collect these disparate threads of research and investigate domain-independent deception. First, we provide a new computational definition of deception and break down deception into a new taxonomy. Then, we analyze the debate on linguistic cues for deception and supply guidelines for systematic reviews. Finally, we investigate common linguistic features and give evidence for knowledge transfer across different forms of deception.
• Abstract（参考訳）: インターネットベースの経済と社会は詐欺攻撃で溺死している。 これらの攻撃は、フェイクニュース、フィッシング、ジョブ詐欺など、さまざまな形で行われます。 機械学習と自然言語処理の研究者たちは、ドメイン固有の検出器を設計することで、この厄介な状況を改善することを試みている。 ドメインに依存しないデセプションを考える最近の研究はごくわずかである。 我々はこれらの異なる研究のスレッドを収集し、ドメイン非依存のデセプションを調査します。 まず, 詐欺の計算的定義を新たに提供し, 虚偽を新たな分類に分解する。 次に, 言語的手がかりに関する議論を欺き, 体系的評価のためのガイドラインを提示する。 最後に,共通言語的特徴を調査し,様々な形態の誤認に対する知識伝達の証拠を与える。

関連論文リスト

• Implicit Personalization in Language Models: A Systematic Study [94.29756463158853]
  インプリシトパーソナライゼーション (IP) は、入力プロンプト内の暗黙の手がかりからユーザの背景を推測する言語モデルの現象である。 この研究は、厳密な数学的定式化、多面的道徳的推論フレームワーク、そして一連の事例研究を通じて、IPを体系的に研究する。
  論文  参考訳（メタデータ） (2024-05-23T17:18:46Z)
• Honesty Is the Best Policy: Defining and Mitigating AI Deception [26.267047631872366]
  我々は、エージェントが目標を達成するために騙される可能性のある問題に焦点を当てる。 本稿では,構造因果ゲームにおける偽造の形式的定義を紹介する。 実験により、これらの結果は、強化学習エージェントや言語モデルにおける騙しの軽減に有効であることが示された。
  論文  参考訳（メタデータ） (2023-12-03T11:11:57Z)
• UNIDECOR: A Unified Deception Corpus for Cross-Corpus Deception Detection [17.016156702855604]
  我々は,その違いを理解するために,データセット間での誤読の言語的手がかりの相関分析を行う。 クロス・コーパス・モデリング実験を行い、クロス・ドメインの一般化が困難であることを示す。 統一偽装コーパス(UNIDECOR)はhttps://www.ims.uni-stuttgart.de/data/unidecorから得ることができる。
  論文  参考訳（メタデータ） (2023-06-05T12:23:04Z)
• Deception Detection with Feature-Augmentation by soft Domain Transfer [4.71603441680044]
  本稿では,ニューラルモデルの中間層表現を利用した機能拡張手法を提案する。 ツイートはFake NewsやPhishing Emailの最も有用な情報提供者であり、NewsはTweet Rumorの発見に最も役立っている。
  論文  参考訳（メタデータ） (2023-05-01T18:00:54Z)
• Domain-Independent Deception: Definition, Taxonomy and the Linguistic Cues Debate [8.774604259603302]
  そこで我々は, 虚偽の計算定義を新たに提供し, 確率論を用いて定式化する。 我々は、偽証を新しい分類に分解し、偽証のための言語的手がかりに関する議論を分析する。 ドメインに依存しない偽造検出の証拠といくつかの提案を提示する。
  論文  参考訳（メタデータ） (2022-07-04T22:27:57Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)
• FDMT: A Benchmark Dataset for Fine-grained Domain Adaptation in Machine Translation [53.87731008029645]
  機械翻訳(FDMT)における実世界のきめ細かいドメイン適応タスクを提案する。 FDMTデータセットは、自動運転車、AI教育、リアルタイムネットワーク、スマートフォンの4つのサブドメインで構成されている。 この新しい設定で定量的な実験と深い分析を行い、きめ細かいドメイン適応タスクをベンチマークします。
  論文  参考訳（メタデータ） (2020-12-31T17:15:09Z)
• My Teacher Thinks The World Is Flat! Interpreting Automatic Essay Scoring Mechanism [71.34160809068996]
  最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。 近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。 また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
  論文  参考訳（メタデータ） (2020-12-27T06:19:20Z)
• Domain Agnostic Learning for Unbiased Authentication [47.85174796247398]
  ドメインラベルなしでドメインの差分を除去するドメインに依存しない手法を提案する。 潜伏領域は入力と出力の間の不均一な予測関係を学習することによって発見される。 提案手法をメタラーニングフレームワークに拡張し,ドメイン差分除去をより徹底的に進める。
  論文  参考訳（メタデータ） (2020-10-11T14:05:16Z)
• Automatic Discovery of Novel Intents & Domains from Text Utterances [18.39942131996558]
  本稿では,ラベルのない大量のデータから新しいドメインや意図を自動的に発見する新しいフレームワークADVINを提案する。 ADVINは3つのベンチマークデータセットのベースラインと、商用音声処理エージェントからの実際のユーザ発話を大きく上回る。
  論文  参考訳（メタデータ） (2020-05-22T00:47:10Z)
• Unsupervised Domain Clusters in Pretrained Language Models [61.832234606157286]
  大規模事前学習型言語モデルでは,教師なしのドメインによってクラスタ化される文表現を暗黙的に学習する。 このようなモデルに基づくドメインデータ選択手法を提案する。 我々は5つの異なる領域にわたるニューラルネットワーク翻訳のためのデータ選択手法を評価する。
  論文  参考訳（メタデータ） (2020-04-05T06:22:16Z)

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。