論文の概要: CaseLinker: An Open-Source System for Cross-Case Analysis of Internet Crimes Against Children Reports -- Technical Report & Initial Release

• arxiv url: http://arxiv.org/abs/2603.18020v1
• Date: Fri, 27 Feb 2026 17:25:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.393939
• Title: CaseLinker: An Open-Source System for Cross-Case Analysis of Internet Crimes Against Children Reports -- Technical Report & Initial Release
• Title（参考訳）: CaseLinker: 子どもに対するインターネット犯罪のクロスケース分析のためのオープンソースシステム - 技術レポートと初期リリース
• Authors: Mrinaal Ramachandran,
• Abstract要約: CaseLinkerはCSEAのケースデータを取り込み、処理し、分析し、視覚化するモジュールシステムである。 システムは関連するケース情報を抽出し、包括的なケーススキーマをポップアップし、6つのインタラクティブな視覚化を生成する。 CaseLinkerはAZICACの公開報告(2011-2014)から47例について評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Child sexual exploitation and abuse (CSEA) case data is inherently disturbing, fragmented across multiple organizations, jurisdictions, and agencies, with varying levels of detail and formatting, making cross-case analysis, pattern identification, and trend detection challenging. This paper presents CaseLinker, a modular system for ingesting, processing, analyzing, and visualizing CSEA case data. CaseLinker employs a hybrid deterministic information extraction approach combining regex-based extraction for structured data (demographics, platforms, evidence) with pattern-based semantic analysis for severity indicators and case topics, ensuring interpretability and auditability. The system extracts relevant case information, populates a comprehensive case schema, creates six interactive visualizations (Timeline, Severity Indicators, Case Visualization, Previous Perpetrator Status, Environment/Platforms, Organizations Involved), provides a platform for deeper automated and manual analysis, groups similar cases using weighted Jaccard similarity across multiple dimensions (platforms, demographics, topics, severity, investigation type), and provides automated triage and insights based on collected case data. CaseLinker is evaluated on 47 cases from publicly available AZICAC reports (2011-2014), demonstrating effective information extraction, case clustering, automated insights generation, and interactive visualization capabilities. CaseLinker addresses critical challenges in case analysis including fragmented data sources, cross-case pattern identification, and the emotional burden of repeatedly processing disturbing case material.
• Abstract（参考訳）: 子どもの性的搾取と虐待(CSEA)のケースデータは本質的に乱れており、複数の組織、司法、機関にまたがって断片化され、細部やフォーマットのレベルが異なり、クロスケース分析、パターン識別、トレンド検出が困難になっている。 本稿では,CSEA ケースデータの取り込み,処理,解析,可視化を行うモジュールシステムである CaseLinker について述べる。 CaseLinkerは、構造化データ(デコグラフィー、プラットフォーム、エビデンス)に対するregexベースの抽出と、重大度インジケータとケーストピックのためのパターンベースのセマンティック分析を組み合わせたハイブリッドな決定論的情報抽出アプローチを採用し、解釈性と監査性を確保する。 このシステムは、関連するケース情報を抽出し、包括的なケーススキーマをポップアップし、6つのインタラクティブなビジュアライゼーション(タイムライン、深刻度指標、ケースビジュアライゼーション、事前実行状況、環境/プラットフォーム、組織)を作成し、より深く自動化された手動分析のためのプラットフォームを提供する。 CaseLinkerは、公開されているAZICACレポート(2011-2014)から47のケースで評価され、効果的な情報抽出、ケースクラスタリング、自動洞察生成、インタラクティブな可視化機能を示す。 CaseLinkerは、断片化されたデータソース、クロスケースパターンの識別、乱雑なケース素材を繰り返し処理する際の感情的な負担など、ケース分析における重要な課題に対処する。

関連論文リスト

• MultiConIR: Towards multi-condition Information Retrieval [38.864056667809095]
  MultiConIRは、複雑なマルチ条件クエリシナリオ下での検索および再ランクモデルの評価のために設計されたベンチマークである。 ほとんどのレトリバーとリランカは、クエリの複雑さが増大するにつれて、パフォーマンスが大幅に低下する。 この研究は、リランカの性能劣化の原因を解明し、クエリ内の条件位置が類似性評価にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-03-11T05:02:03Z)
• Generative Retrieval Meets Multi-Graded Relevance [104.75244721442756]
  GRADed Generative Retrieval (GR$2$)というフレームワークを紹介します。 GR$2$は2つの重要なコンポーネントに焦点を当てている。 マルチグレードとバイナリの関連性を持つデータセットの実験は,GR$2$の有効性を示した。
  論文  参考訳（メタデータ） (2024-09-27T02:55:53Z)
• Intelligent Multi-Document Summarisation for Extracting Insights on Racial Inequalities from Maternity Incident Investigation Reports [0.8609957371651683]
  医療では、毎年何千もの安全事故が発生するが、これらの事故から学ぶことは効果的に集約されない。 本稿では,安全事故報告の集約と分析を容易にするためのフレームワークであるI-SIRch:CSを提案する。 このフレームワークは、セーフティ・インテリジェンス・リサーチ(SIRch)の分類学を用いた概念アノテーションと、クラスタリング、要約、分析機能を統合する。
  論文  参考訳（メタデータ） (2024-07-11T09:11:20Z)
• AttributionScanner: A Visual Analytics System for Model Validation with Metadata-Free Slice Finding [29.07617945233152]
  データスライス検索は、低パフォーマンスを示すデータセット内のサブグループを特定し解析することで、機械学習(ML)モデルを検証するための新興技術である。 このアプローチは、追加メタデータに対する退屈でコストのかかる要件を含む、重大な課題に直面します。 本稿では,メタデータを含まないデータスライス検索用に設計された,革新的なビジュアルアナリティクス(VA)システムであるAttributionScannerを紹介する。 本システムでは、一般的なモデル動作を含む解釈可能なデータスライスを特定し、属性モザイク設計によりこれらのパターンを可視化する。
  論文  参考訳（メタデータ） (2024-01-12T09:17:32Z)
• Assessing Privacy Risks in Language Models: A Case Study on Summarization Tasks [65.21536453075275]
  我々は要約作業に焦点をあて、会員推測(MI)攻撃について調査する。 テキストの類似性や文書修正に対するモデルの抵抗をMI信号として活用する。 我々は、MI攻撃から保護するための要約モデルの訓練と、プライバシとユーティリティの本質的にのトレードオフについて議論する。
  論文  参考訳（メタデータ） (2023-10-20T05:44:39Z)
• Scalable Incomplete Multi-View Clustering with Structure Alignment [71.62781659121092]
  本稿では,新しいアンカーグラフ学習フレームワークを提案する。 ビュー固有のアンカーグラフを構築し、異なるビューから補完情報をキャプチャする。 提案したSIMVC-SAの時間と空間の複雑さはサンプル数と線形に相関していることが証明された。
  論文  参考訳（メタデータ） (2023-08-31T08:30:26Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• Visual Causality Analysis of Event Sequence Data [32.74361488457415]
  イベントシーケンスデータの因果関係を復元する視覚解析手法を提案する。 我々は,Hawkesプロセス上のGranger因果解析アルゴリズムを拡張し,ユーザフィードバックを因果モデルの改良に組み込む。
  論文  参考訳（メタデータ） (2020-09-01T04:28:28Z)

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。