論文の概要: Domain Knowledge-Enhanced LLMs for Fraud and Concept Drift Detection

• arxiv url: http://arxiv.org/abs/2506.21443v1
• Date: Thu, 26 Jun 2025 16:29:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.186833
• Title: Domain Knowledge-Enhanced LLMs for Fraud and Concept Drift Detection
• Title（参考訳）: フラッドとコンセプトドリフト検出のためのドメイン知識強化LDM
• Authors: Ali Şenol, Garima Agrawal, Huan Liu,
• Abstract要約: 概念ドリフト(CD)、すなわち意味的あるいは話題的なシフトは、時間とともに相互作用の文脈や意図を変える。 これらのシフトは、悪意のある意図を曖昧にしたり、通常の対話を模倣したりし、正確な分類を困難にします。 本稿では,事前学習された大規模言語モデルと構造化されたタスク固有の洞察を統合して,詐欺や概念ドリフトの検出を行うフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.917779863156097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting deceptive conversations on dynamic platforms is increasingly difficult due to evolving language patterns and Concept Drift (CD)\-i.e., semantic or topical shifts that alter the context or intent of interactions over time. These shifts can obscure malicious intent or mimic normal dialogue, making accurate classification challenging. While Large Language Models (LLMs) show strong performance in natural language tasks, they often struggle with contextual ambiguity and hallucinations in risk\-sensitive scenarios. To address these challenges, we present a Domain Knowledge (DK)\-Enhanced LLM framework that integrates pretrained LLMs with structured, task\-specific insights to perform fraud and concept drift detection. The proposed architecture consists of three main components: (1) a DK\-LLM module to detect fake or deceptive conversations; (2) a drift detection unit (OCDD) to determine whether a semantic shift has occurred; and (3) a second DK\-LLM module to classify the drift as either benign or fraudulent. We first validate the value of domain knowledge using a fake review dataset and then apply our full framework to SEConvo, a multiturn dialogue dataset that includes various types of fraud and spam attacks. Results show that our system detects fake conversations with high accuracy and effectively classifies the nature of drift. Guided by structured prompts, the LLaMA\-based implementation achieves 98\% classification accuracy. Comparative studies against zero\-shot baselines demonstrate that incorporating domain knowledge and drift awareness significantly improves performance, interpretability, and robustness in high\-stakes NLP applications.
• Abstract（参考訳）: 動的プラットフォーム上での偽りの会話の検出は、言語パターンの進化と概念ドリフト(CD)、すなわち、時間とともに相互作用のコンテキストや意図を変化させる意味的あるいはトピック的なシフトにより、ますます困難になる。 これらのシフトは、悪意のある意図を曖昧にしたり、通常の対話を模倣したりし、正確な分類を困難にします。 大規模言語モデル(LLM)は自然言語処理において高いパフォーマンスを示すが、リスクに敏感なシナリオでは、文脈的曖昧さや幻覚に悩まされることが多い。 これらの課題に対処するために、事前学習されたLLMと、構造化されたタスク固有の洞察を統合して、詐欺やコンセプトドリフト検出を行うドメイン知識(DK)強化LLMフレームワークを提案する。 提案アーキテクチャは,(1)偽の会話や偽の会話を検知するDK\-LLMモジュール,(2)意味的変化が生じたかどうかを判定するドリフト検出ユニット(OCDD),(3)ドリフトを良か悪かのどちらかとして分類する第2DK\-LLMモジュールの3つの主要コンポーネントから構成される。 まず、偽レビューデータセットを使用してドメイン知識の価値を検証し、次に、様々な種類の詐欺やスパム攻撃を含む多ターン対話データセットであるSEConvoに、私たちのフレームワークを適用します。 その結果,本システムは高精度で偽会話を検知し,ドリフトの性質を効果的に分類できることが判明した。 構造化プロンプトによってガイドされ、LLaMA ベースの実装は98\%の分類精度を達成する。 ゼロショットベースラインに対する比較研究は、ドメイン知識とドリフト認識を組み込むことで、高いNLPアプリケーションの性能、解釈可能性、堅牢性を大幅に向上することを示した。

関連論文リスト

• Joint Detection of Fraud and Concept Drift inOnline Conversations with LLM-Assisted Judgment [11.917779863156097]
  本稿では,まず,アンサンブル分類モデルを用いて疑わしい会話を識別する2段階検出フレームワークを提案する。 検出の信頼性を向上させるため,一級ドリフト検出器(OCDD)を用いた概念ドリフト解析を取り入れた。 ドリフトが検出されると、大きな言語モデル(LLM)は、シフトが不正操作または正当なトピック変更を示すかどうかを評価する。
  論文  参考訳（メタデータ） (2025-05-07T22:30:53Z)
• Unlocking the Capabilities of Large Vision-Language Models for Generalizable and Explainable Deepfake Detection [18.125287697902813]
  現在のLVLM(Large Vision-Language Models)は、マルチモーダルデータの理解において顕著な能力を示している。 深度検出のためのLVLMの潜在能力を解き放つ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-19T03:20:03Z)
• 3D-AffordanceLLM: Harnessing Large Language Models for Open-Vocabulary Affordance Detection in 3D Worlds [81.14476072159049]
  3D Affordance Detectionは、様々なロボットタスクの幅広い応用において難しい問題である。 我々は従来の割当検出パラダイムをテキスト推論改善(IRAS)タスクに再構成する。 本研究では,3次元オープンシーンにおけるアベイランス検出のためのフレームワークである3D-ADLLMを提案する。
  論文  参考訳（メタデータ） (2025-02-27T12:29:44Z)
• Cross-domain Few-shot Object Detection with Multi-modal Textual Enrichment [21.36633828492347]
  クロスドメイン多モードFew-Shotオブジェクト検出(CDMM-FSOD) メタラーニングベースのフレームワークを導入し、リッチテキストセマンティクスを補助モダリティとして活用し、効果的なドメイン適応を実現する。 提案手法を共通のクロスドメインオブジェクト検出ベンチマークで評価し,既存の複数ショットオブジェクト検出手法を大きく上回っていることを示す。
  論文  参考訳（メタデータ） (2025-02-23T06:59:22Z)
• Improving the Robustness of Knowledge-Grounded Dialogue via Contrastive Learning [71.8876256714229]
  本稿では,知識ベース対話システムの堅牢性向上を目的とした,エンティティベースのコントラスト学習フレームワークを提案する。 提案手法は,自動評価スコアの点から,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-01-09T05:16:52Z)
• Large Model Based Referring Camouflaged Object Detection [51.80619142347807]
  Referring camouflaged object detection (Ref-COD)は、テキストまたはビジュアル参照にマッチした特定のcamouflaged objectを分割することを目的とした、最近提案された問題である。 我々のモチベーションは、最近のMLLM(Multimodal Large Language Models)のセマンティックインテリジェンスと本質的な知識をフル活用して、この複雑なタスクを人間的な方法で分解することである。 MLKGと呼ばれるRef-CODのための大規模モデルベースマルチレベル知識誘導型マルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2023-11-28T13:45:09Z)
• Knowledge-augmented Frame Semantic Parsing with Hybrid Prompt-tuning [17.6573121083417]
  本稿では,意味表現を強化するための知識強化フレーム意味解析アーキテクチャ(KAF-SPA)を提案する。 メモリベースの知識抽出モジュール(MKEM)は、正確なフレーム知識を選択し、連続的なテンプレートを構築するために考案された。 我々はまた、選択した知識をPLMに組み込むハイブリッドプロンプトを用いてタスク指向知識探索モジュール(TKPM)を設計し、フレームおよび引数識別のタスクにPLMを適用する。
  論文  参考訳（メタデータ） (2023-03-25T06:41:19Z)
• Learning Commonsense-aware Moment-Text Alignment for Fast Video Temporal Grounding [78.71529237748018]
  自然言語クエリで記述された時間的ビデオセグメントを効果的かつ効率的にグラウンド化することは、視覚・言語分野において必須の能力である。 既存のほとんどのアプローチでは、接地性能を改善するために、厳密に設計されたクロスモーダルな相互作用モジュールを採用しています。 本稿では,コモンセンスの視覚とテキストの表現を補完的なコモンスペースに組み込んだ,コモンセンス対応のクロスモーダルアライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-04T13:07:05Z)
• Plants Don't Walk on the Street: Common-Sense Reasoning for Reliable Semantic Segmentation [0.7696728525672148]
  我々は,交通シーンのオブジェクト間の関係を高レベルの抽象化で記述するために,部分的に設計され,部分的に学習されたルールセットを使用することを提案する。 これにより、低レベルのセンサー情報を消費する既存のディープニューラルネットワークを改善し、強化する。
  論文  参考訳（メタデータ） (2021-04-19T12:51:06Z)

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。