論文の概要: Pattern Recognition of Ozone-Depleting Substance Exports in Global Trade Data

• arxiv url: http://arxiv.org/abs/2512.07864v1
• Date: Wed, 26 Nov 2025 14:58:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 04:16:52.526728
• Title: Pattern Recognition of Ozone-Depleting Substance Exports in Global Trade Data
• Title（参考訳）: グローバル取引データにおけるオゾン除去物質輸出のパターン認識
• Authors: Muhammad Sukri Bin Ramli,
• Abstract要約: 本稿では、教師なし機械学習を用いて不審な取引パターンを体系的に検出するフレームワークを提案する。 異常検出は、希少な「メガトレーダ」と、商業的に珍しい価格/キログラムの値の出荷を識別する。 重要な発見は、高級商品は一般商品とは異なる価値と重みの比率を示すことである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: New methods are needed to monitor environmental treaties, like the Montreal Protocol, by reviewing large, complex customs datasets. This paper introduces a framework using unsupervised machine learning to systematically detect suspicious trade patterns and highlight activities for review. Our methodology, applied to 100,000 trade records, combines several ML techniques. Unsupervised Clustering (K-Means) discovers natural trade archetypes based on shipment value and weight. Anomaly Detection (Isolation Forest and IQR) identifies rare "mega-trades" and shipments with commercially unusual price-per-kilogram values. This is supplemented by Heuristic Flagging to find tactics like vague shipment descriptions. These layers are combined into a priority score, which successfully identified 1,351 price outliers and 1,288 high-priority shipments for customs review. A key finding is that high-priority commodities show a different and more valuable value-to-weight ratio than general goods. This was validated using Explainable AI (SHAP), which confirmed vague descriptions and high value as the most significant risk predictors. The model's sensitivity was validated by its detection of a massive spike in "mega-trades" in early 2021, correlating directly with the real-world regulatory impact of the US AIM Act. This work presents a repeatable unsupervised learning pipeline to turn raw trade data into prioritized, usable intelligence for regulatory groups.
• Abstract（参考訳）: 大規模で複雑なカスタムデータセットをレビューすることで、モントリオール議定書のような環境条約を監視するために、新しい方法が必要である。 本稿では、教師なし機械学習を用いて、不審な取引パターンを体系的に検出し、レビューのためのアクティビティをハイライトするフレームワークを提案する。 我々の手法は、10万の貿易記録に適用され、いくつかのML技術を組み合わせています。 教師なしクラスタリング(K-Means)は、出荷価値と重量に基づいて、自然貿易の古型を発見する。 異常検出(Isolation Forest と IQR)は、希少な「メガトレーダ」と、商業的に珍しい価格/キログラムの値の出荷を識別する。 これはHuristic Flaggingによって補われ、曖昧な出荷記述のような戦術を見つける。 これらの層は優先順位スコアに組み合わされ、税関の審査のために1,351の価格外れと1,288の高価格の出荷をうまく特定した。 重要な発見は、高級商品は一般商品とは異なる価値と重みの比率を示すことである。 これは、説明可能なAI(SHAP)を使用して検証され、最も重要なリスク予測器としてあいまいな説明と高い価値が確認された。 このモデルの感度は、2021年初頭に「メガトラス」の大規模なスパイクを検出することで検証された。 この研究は、生の貿易データを規制グループのために優先順位付けされ、有用なインテリジェンスに変換するために、繰り返し可能な教師なしの学習パイプラインを提示します。

関連論文リスト

• Pattern Recognition of Scrap Plastic Misclassification in Global Trade Data [0.0]
  本システムでは,取引データを分析して,平均単価が下がったときに報告された量の増加パターンである,新たな逆価格-ボリュームシグネチャを求める。 このモデルは0.9375の精度を達成し、大規模な国連データと詳細なファームレベルデータを比較して検証した。 このスケーラブルなツールは、従来型のインスペクションプロトコルから優先度ベースのインスペクションプロトコルに移行するための、透過的でデータ駆動の方法を提供する。
  論文  参考訳（メタデータ） (2025-11-10T07:40:56Z)
• From Objects to Events: Unlocking Complex Visual Understanding in Object Detectors via LLM-guided Symbolic Reasoning [71.41062111470414]
  現在のオブジェクト検出器は、エンティティのローカライゼーションと分類において優れているが、イベント認識機能には固有の制限がある。 本稿では,単なるオブジェクト認識以上の標準オブジェクト検出能力を,複雑なイベント理解に拡張する新しいフレームワークを提案する。 私たちの重要なイノベーションは、高価なタスク固有のトレーニングを必要とせずに、オブジェクト検出とイベント理解のセマンティックなギャップを埋めることです。
  論文  参考訳（メタデータ） (2025-02-09T10:30:54Z)
• Industrial Anomaly Detection and Localization Using Weakly-Supervised Residual Transformers [44.344548601242444]
  Weakly-supervised RESidual Transformer (WeakREST) という新しいフレームワークを導入し,高い異常検出精度を実現する。 画素単位の異常局所化タスクをブロック単位の分類問題に再構成する。 弱いラベルと残差に基づく表現との相互作用を処理できるResMixMatchアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-06-06T08:19:30Z)
• GraphFC: Customs Fraud Detection with Label Scarcity [21.7060251265426]
  人員が限られているため、税関は限られた数の宣言を手動で検査することしかできない。 現在の税関詐欺検出のアプローチは、この現実世界の設定にはあまり適していない。 本研究では,モデルに依存しない,ドメイン固有の,半教師付きグラフニューラルネットワークに基づく税関不正検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-19T01:47:12Z)
• Blockchain Large Language Models [65.7726590159576]
  本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。 提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
  論文  参考訳（メタデータ） (2023-04-25T11:56:18Z)
• Customs Import Declaration Datasets [12.306592823750385]
  我々は、税関行政におけるドメインエキスパートと多様なドメインの研究者の協力を促進するために、インポート宣言データセットを導入する。 データセットには、54,000の人工的に生成された取引と22のキー属性が含まれている。 我々は、より高度なアルゴリズムが詐欺を検知しやすくすることを実証的に示している。
  論文  参考訳（メタデータ） (2022-08-04T06:20:20Z)
• 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)
• Foreseeing the Benefits of Incidental Supervision [83.08441990812636]
  本稿では,実験を行なわずに,特定の目標タスクに対して,様々な種類の偶発信号の利点を定量化できるかどうかを考察する。 本稿では,PABI(PAC-Bayesian motivated informativeness measure)を提案する。
  論文  参考訳（メタデータ） (2020-06-09T20:59:42Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。