論文の概要: The Payment Heterogeneity Index: An Integrated Unsupervised Framework for High-Volume Procurement Oversight and Decision Support

• arxiv url: http://arxiv.org/abs/2605.12547v1
• Date: Sat, 09 May 2026 20:59:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.567602
• Title: The Payment Heterogeneity Index: An Integrated Unsupervised Framework for High-Volume Procurement Oversight and Decision Support
• Title（参考訳）: Payment Heterogeneity Index: ハイボリューム調達監視と意思決定支援のための統合的教師なしフレームワーク
• Abstract要約: 本稿では,一次元試料の合成統計量である構造異質度指数(SHI)を紹介する。 Payment Heterogeneity Index(PHI)は、ポストアワード支払いの乗算インスタンスである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public procurement is vulnerable to error, fraud and corruption, yet high transaction volumes overwhelm oversight. While research often focuses on tender-stage anomalies, post-award payments remain underexplored. Since labelled datasets are rare and existing methods such as Benford's Law face restrictive assumptions, there is a need for additional interpretable, unsupervised frameworks that augment oversight and simplify management. This paper introduces the Structural Heterogeneity Index (SHI), a composite statistic for one-dimensional samples defined by four components: modality, asymmetry, tail behaviour, and structural dispersion. The Payment Heterogeneity Index (PHI) is its multiplicative instance for post-award payments. PHI combines a tail-behaviour component, sensitive to outliers and point clustering, with a structural-dispersion component summarising payment regime architecture. Structural dispersion is computed via Gaussian Mixture Model (GMM) estimation, integrating within-regime variability, prevalence, and separation from the dominant mode. Applied to UK municipal procurement data, PHI isolates a financially significant cohort (10.1% of high-volume suppliers) whose structural signatures deviate from the population and interact with recurring payment anchors. Permutation and Kolmogorov-Smirnov tests confirm that high-PHI suppliers exhibit statistically significant structural differences. A forensic review by a Certified Fraud Examiner supports the plausibility of the prioritised cases. Comparison shows PHI uniquely identifies regime separation obscured by metrics like the Coefficient of Variation (\r{ho}=0.310). PHI functions as an effective discovery tool where no confirmed labels exist, offering a transparent, lightweight screening mechanism for post-award oversight.
• Abstract（参考訳）: 公共の調達は、エラー、詐欺、汚職に弱いが、取引量の増加は監視を圧倒している。 研究は、しばしばテンダーステージの異常に焦点を当てるが、後払いは未調査のままである。 ラベル付きデータセットはまれであり、Benfordの法則のような既存のメソッドは制限的な仮定に直面しているため、監視を増強し、管理を単純化する追加の解釈可能で教師なしのフレームワークが必要である。 本稿では, 構造的不均一度指数 (Structure Heterogeneity Index, SHI) について紹介する。 Payment Heterogeneity Index(PHI)は、ポストアワード支払いの乗算インスタンスである。 PHIは、オフレーヤやポイントクラスタリングに敏感なテール・ビヘイビア・コンポーネントと、支払いシステムアーキテクチャを要約する構造分散コンポーネントを組み合わせる。 構造分散はガウス混合モデル(GMM)の推定を通じて計算され、内部レジムの変動、頻度、支配モードからの分離を統合する。 イギリスの自治体の調達データに当てはまると、PHIは経済的に重要なコホート(10.1%の高ボリュームサプライヤー)を分離し、その構造的シグネチャは人口から逸脱し、定期的な支払いアンカーと相互作用する。 Permutation と Kolmogorov-Smirnov は高PHIサプライヤーが統計的に有意な構造差を示すことを確認した。 Certified Fraud Examinerによる法医学的レビューは、先験例の妥当性を裏付けるものである。 比較すると、PHIは変分係数(\r{ho}=0.310)のような指標によって隠された構造分離をユニークに識別する。 PHIは、ラベルが確認されていない効果的な発見ツールとして機能し、ポストアワード監視のための透明で軽量なスクリーニングメカニズムを提供する。

関連論文リスト

• From Stochastic to Stable: Rank Stability and Structural Sufficiency in AI Visibility Measurement [0.0]
  本稿では2つの相補的基準に基づく逐次収束フレームワークを提案する。 ランク安定性は、ランク相関軌道が構造台地に達したかどうかを評価する。 構造的十分性は、確立されたドメイン間での引用共有の拡散が、これらの見積もりの不確実性を上回るかどうかを評価する。
  論文  参考訳（メタデータ） (2026-07-11T14:50:02Z)
• Instance-Optimal Estimation with Multiple LLM Judges on a Budget [84.31744861038106]
  我々は、この問題を*予算付きヘテロスケダティックなマルチジャッジ推定*として定式化する。 K$のプロンプト-レスポンスペア、J$の既知のコストと未知のクエリ-ジャッジ分散が与えられた場合、目標は、$ell_p$-errorを最小化しながら、有界スコアベクトルを推定することである。 EST-IVWEは,予算の低次項までのオラクルIVWEレートと一致していることを示す。
  論文  参考訳（メタデータ） (2026-05-22T08:26:08Z)
• MMD-Balls as Credal Sets: A PAC-Bayesian Framework for Epistemic Uncertainty in Test-Time Adaptation [0.0]
  テスト時間適応法は分布シフト時のモデル性能を向上させる。 テスト時間適応法は、シフトグレードと予測信頼性を接続する正式な保証を欠いている。 PAC-Bayesian framework yielding bounds explicit parameterized by the maximum mean discrepancy (MMD) between source and target distributions。
  論文  参考訳（メタデータ） (2026-05-20T22:22:20Z)
• Quantifiable Uncertainty: A Stochastic Consensus Multi-Agent RAG Framework for Robust Malware Detection [1.2183405753834562]
  本稿では,マルウェア解析をセマンティックコード検索と確率的検証に分離するフレームワークMAGMAを提案する。 MAGMAは98.4%の検知率を示し,既存の解よりもかなり高い値を示した。
  論文  参考訳（メタデータ） (2026-05-08T18:46:24Z)
• Game-Theoretic Analysis of Transaction Selection in DAG-Based Distributed Ledgers [48.17065660350331]
  DAGベースの分散台帳技術(DLT)におけるトランザクション選択は、スループット、公平性、バリデータインセンティブに直接影響を与える重要な課題である。 我々は、ランダムフェーアロケーション(RFA)とコラボレーティブフェーシェアリング(CFS)の2つの料金配分メカニズムについて分析する。 数値シミュレーションにより, CFS の NE は RFA の NE と比較して一貫したスループットと報酬を達成することを示した。 これらの知見は、トランザクション選択とインセンティブメカニズムの設計に関する実用的な洞察を与え、より堅牢で高性能なDAGベースのDLTを可能にする。
  論文  参考訳（メタデータ） (2026-05-08T07:42:42Z)
• SMFormer: Empowering Self-supervised Stereo Matching via Foundation Models and Data Augmentation [55.67206878777881]
  本稿では、VFM(Vision Foundation Model)とデータ拡張によって導かれる、より信頼性の高いセルフスーパービジョンを統合するフレームワークであるSMFormerを提案する。 SMFormerは、自己教師付きメソッド間での最先端(SOTA)のパフォーマンスを達成し、教師付きメソッドと同等に競合する。
  論文  参考訳（メタデータ） (2026-04-11T13:56:41Z)
• Toward Reliable Evaluation of LLM-Based Financial Multi-Agent Systems: Taxonomy, Coordination Primacy, and Cost Awareness [2.851924490038232]
  金融取引のマルチエージェントシステムは2023年以来急速に成長している。 この分野には、パフォーマンスを駆動するものや、クレームの信頼性を評価するための共有フレームワークがありません。 アーキテクチャパターン,コーディネーション機構,メモリアーキテクチャ,ツール統合を網羅した4次元分類法を導入する。
  論文  参考訳（メタデータ） (2026-03-29T06:35:07Z)
• Partition Function Estimation under Bounded f-Divergence [18.170877027040362]
  本研究では,提案分布へのサンプルアクセスを前提とした分割関数の推定の統計的複雑さについて検討する。 本結果は, 重要サンプリング, 拒絶, サンプリング, 重み付き平均推定の事前解析を統一し, 一般化するものである。
  論文  参考訳（メタデータ） (2026-02-26T22:34:36Z)
• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Credal Ensemble Distillation for Uncertainty Quantification [12.36665123584814]
  本研究では, 深部アンサンブルを1つのモデル CREDIT に圧縮し, 分類処理を行うフレームワークとして, クレダルアンサンブル蒸留法を提案する。 CEDは、いくつかの既存のベースラインよりも優れた、あるいは同等の不確実性推定を実現し、深いアンサンブルよりも推論オーバーヘッドを大幅に削減する。
  論文  参考訳（メタデータ） (2025-11-14T14:53:42Z)
• Additive Distributionally Robust Ranking and Selection [0.8283940114367679]
  そこで本研究では,$k + m - 1$の事前仮説クリティカルシナリオのみをサンプリングすることを目的とした,単純な加算割当(AA)手順を提案する。 AAが一貫したものであり、驚くべきことに、最も強い意味で付加性を達成することを証明します。 結果は、DRR&Sの加法構造に対する新しい、そして反直観的な洞察を与える。
  論文  参考訳（メタデータ） (2025-09-07T17:36:29Z)
• Balancing Tails when Comparing Distributions: Comprehensive Equity Index (CEI) with Application to Bias Evaluation in Operational Face Biometrics [45.84303673987677]
  Comprehensive Equity Index (CEI)は、顔認識システムにおける人口統計バイアスを検出するために設計された新しい指標である。 実験の結果,CEIは従来手法が不足していたニュアンスバイアスを検出する能力に優れていたことが確認された。 CEIは、運用公正性評価のための堅牢で機密性の高いツールを提供する。
  論文  参考訳（メタデータ） (2025-06-12T10:43:31Z)
• Label-shift robust federated feature screening for high-dimensional classification [14.252760098879186]
  本稿では,既存のスクリーニング手法を統一する汎用フレームワークを提案し,ラベルシフト型ロバストな機能スクリーニング(LR-FFS)を提案する。 この枠組みに基づいて、LR-FFSは条件分布関数と期待値を活用し、計算負荷を加えることなくラベルシフトに対処する。 LR-FFSの各種クライアント環境における優れた性能を示す実験結果と理論的解析を行った。
  論文  参考訳（メタデータ） (2025-05-31T04:14:49Z)
• Data-Driven Calibration of Prediction Sets in Large Vision-Language Models Based on Inductive Conformal Prediction [0.0]
  動的しきい値キャリブレーションとクロスモーダル整合性検証を統合したモデル非依存不確実性定量化法を提案する。 このフレームワークは、様々なキャリブレーションとテストの分割比で安定したパフォーマンスを実現し、医療、自律システム、その他の安全に敏感な領域における現実的な展開の堅牢性を強調している。 この研究は、マルチモーダルAIシステムにおける理論的信頼性と実用性の間のギャップを埋め、幻覚検出と不確実性を考慮した意思決定のためのスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-04-24T15:39:46Z)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• A Robustness Analysis of Blind Source Separation [91.3755431537592]
  ブラインドソース分離(BSS)は、変換$f$が可逆であるが未知であるという条件の下で、その混合である$X=f(S)$から観測されていない信号を復元することを目的としている。 このような違反を分析し、その影響を$X$から$S$のブラインドリカバリに与える影響を定量化するための一般的なフレームワークを提案する。 定義された構造的仮定からの偏差に対する一般的なBSS溶出は、明示的な連続性保証という形で、利益的に分析可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-17T16:30:51Z)
• Repulsive Mixture Models of Exponential Family PCA for Clustering [127.90219303669006]
  指数関数型家族主成分分析(EPCA)の混合拡張は、従来のEPCAよりもデータ分布に関する構造情報を符号化するように設計された。 従来のEPCAの混合は、モデルの冗長性、すなわち混合成分間の重なりが問題であり、データクラスタリングの曖昧さを引き起こす可能性がある。 本稿では, 混合成分間での反発性増感前処理を導入し, ベイズ式に分散EPCA混合(DEPCAM)モデルを開発した。
  論文  参考訳（メタデータ） (2020-04-07T04:07:29Z)

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。