論文の概要: Neurosymbolic Feature Extraction for Identifying Forced Labor in Supply Chains

• arxiv url: http://arxiv.org/abs/2507.07217v1
• Date: Wed, 09 Jul 2025 18:44:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.175886
• Title: Neurosymbolic Feature Extraction for Identifying Forced Labor in Supply Chains
• Title（参考訳）: サプライチェーンにおける強制労働の同定のためのニューロシンボリック特徴抽出
• Authors: Zili Wang, Frank Montabon, Kristin Yvonne Rozier,
• Abstract要約: 違法なサプライチェーンは 非常にスパースなデータによって特徴づけられます 本稿では,大きな言語モデル(LLM)を問合せして記事の関連性を同定し,定量化するための問合せツリーアプローチを提案する。 これにより、サプライチェーンにおける強制労働に関連するニュース記事の人間と機械の分類の違いを体系的に評価することができる。
• 参考スコア（独自算出の注目度）: 3.938057685137866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Supply chain networks are complex systems that are challenging to analyze; this problem is exacerbated when there are illicit activities involved in the supply chain, such as counterfeit parts, forced labor, or human trafficking. While machine learning (ML) can find patterns in complex systems like supply chains, traditional ML techniques require large training data sets. However, illicit supply chains are characterized by very sparse data, and the data that is available is often (purposely) corrupted or unreliable in order to hide the nature of the activities. We need to be able to automatically detect new patterns that correlate with such illegal activity over complex, even temporal data, without requiring large training data sets. We explore neurosymbolic methods for identifying instances of illicit activity in supply chains and compare the effectiveness of manual and automated feature extraction from news articles accurately describing illicit activities uncovered by authorities. We propose a question tree approach for querying a large language model (LLM) to identify and quantify the relevance of articles. This enables a systematic evaluation of the differences between human and machine classification of news articles related to forced labor in supply chains.
• Abstract（参考訳）: サプライチェーンネットワークは分析が難しい複雑なシステムであり、偽装部品、強制労働、人身売買などのサプライチェーンに不正な活動がある場合、この問題は悪化する。 機械学習(ML)はサプライチェーンのような複雑なシステムでパターンを見つけることができるが、従来のML技術は大規模なトレーニングデータセットを必要とする。 しかし、違法なサプライチェーンは、非常にまばらなデータによって特徴付けられており、利用可能なデータは、アクティビティの性質を隠すために、しばしば(目的的に)破壊されるか、信頼できない。 大規模なトレーニングデータセットを必要とせずに、複雑な、あるいは一時的なデータよりも、このような違法な活動と相関する新しいパターンを自動的に検出できる必要があります。 本稿では,サプライチェーンにおける不正行為の事例を識別するためのニューロシンボリック手法について検討し,当局が発見した不正行為を正確に記述したニュース記事から手動・自動的特徴抽出の有効性を比較した。 本稿では,大きな言語モデル(LLM)を問合せして記事の関連性を同定し,定量化するための問合せツリーアプローチを提案する。 これにより、サプライチェーンにおける強制労働に関連するニュース記事の人間と機械の分類の違いを体系的に評価することができる。

関連論文リスト

• Enhancing Supply Chain Visibility with Knowledge Graphs and Large Language Models [49.898152180805454]
  本稿では,サプライチェーンの可視性を高めるために,知識グラフ(KG)と大規模言語モデル(LLM)を活用した新しいフレームワークを提案する。 我々のゼロショットLPM駆動アプローチは、様々な公共情報源からのサプライチェーン情報の抽出を自動化する。 NERとREタスクの精度が高く、複雑な多層供給ネットワークを理解する効果的なツールを提供する。
  論文  参考訳（メタデータ） (2024-08-05T17:11:29Z)
• Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach [47.00450933765504]
  本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。 このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。 その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
  論文  参考訳（メタデータ） (2023-07-22T20:03:16Z)
• Scrutinizing Shipment Records To Thwart Illegal Timber Trade [14.559268536152926]
  木材・森林製品産業における 灰色と黒色の市場活動は 木材が収穫された国に限らず 世界のサプライチェーン全体に広がっています 既存のアプローチは、大規模な貿易データへの適用性において、ある種の欠点に悩まされている。 本稿では,大規模な異種データに適用可能なコントラスト学習に基づく異種異常検出(CHAD)を提案する。
  論文  参考訳（メタデータ） (2022-07-31T18:54:52Z)
• Discrete Key-Value Bottleneck [95.61236311369821]
  ディープニューラルネットワークは、データストリームがi.d.d.であり、ラベル付きデータが豊富である分類タスクでうまく機能する。 この課題に対処した強力なアプローチの1つは、手軽に利用可能なデータ量に対する大規模なエンコーダの事前トレーニングと、タスク固有のチューニングである。 しかし、新しいタスクを考えると、多くの重みを微調整する必要があるため、エンコーダの重みを更新することは困難であり、その結果、以前のタスクに関する情報を忘れてしまう。 この問題に対処するモデルアーキテクチャを提案し,個別かつ学習可能なキー値符号のペアを含む離散的ボトルネックの上に構築する。
  論文  参考訳（メタデータ） (2022-07-22T17:52:30Z)
• Unsupervised Abnormal Traffic Detection through Topological Flow Analysis [1.933681537640272]
  悪意のある流れの トポロジカル接続コンポーネントは 利用されていない 本稿では,教師なし異常検出アルゴリズムにおける接続グラフ機能の利用を容易にするための簡易な手法を提案する。
  論文  参考訳（メタデータ） (2022-05-14T18:52:49Z)
• Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
  トレーニングデータアーティファクトの識別を容易にする手法を提案する。 提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。 我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-07-01T09:26:13Z)
• Detecting Anomalies Through Contrast in Heterogeneous Data [21.56932906044264]
  先行モデルの欠点に対処するために,コントラスト学習に基づく異種異常検出器を提案する。 我々のモデルは非対称オートエンコーダを使い、大きなarity カテゴリ変数を効果的に処理できる。 木材取引における異常検出におけるモデルの有効性を示す質的研究を行った。
  論文  参考訳（メタデータ） (2021-04-02T17:21:12Z)
• Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
  Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。 トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。 我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T11:51:17Z)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)

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。