論文の概要: LURE: a Phase-Labelled Synthetic Corpus of Online-Grooming Exchanges
- arxiv url: http://arxiv.org/abs/2610.15908v1
- Date: Sun, 11 Oct 2026 20:41:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.270023
- Title: LURE: a Phase-Labelled Synthetic Corpus of Online-Grooming Exchanges
- Title（参考訳）: LURE:オンライングミリング取引所のフェーズラベル付き合成コーパス
- Abstract要約: 本稿では,施設ハードウェア上で動作する検索拡張パイプラインを用いて,新郎・人事交換の合成コーパスを提案する。
リリースされたコーパスには、7つのタグと4つのフェーズに2,121のユニークな交換があり、それぞれに冥王星の感情フィールドが伴っている。
- 参考スコア（独自算出の注目度）: 0.21748200848556343
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Phase-annotated conversational data is essential for studying the progression of online grooming of minors and for developing early warning tools. However, the only publicly available source (i.e., Perverted-Justice archive, which contains a subset coded using ChatCoder) is small, outdated, and frozen. We present a synthetic corpus of groomer-victim exchanges, generated using a retrieval-augmented pipeline running on institutional hardware. This pipeline uses an openly available, eight-billion-parameter, refusal-ablated language model. The corpus was created using the five stages of the responsible-generation protocol for synthetic datasets: ontology-driven design based on the ChatCoder luring-communication scheme (eight communicative tags mapped onto four grooming phases); multi-model prompt testing; human-in-the-loop supervision; semantic and feature-level validation; and modality-aware documentation. The released corpus contains 2,121 unique exchanges across seven tags and four phases, each accompanied by a Plutchik emotion field. Validation quantifies the integrity and lexical profile of the corpus, as well as the reproduction of real seed lines, in-domain label recoverability (tag accuracy: 0.85; phase accuracy: 0.93) and its transfer to real ChatCoder offender lines, which were coded automatically at the eight-tag level (31,640 lines) and by human coders at the three-construct level (10,876 posts). Accuracy was measured for lexical and sentence-embedding features, while a real-versus-synthetic discriminator was able to separate the two domains with 91% accuracy. The scope of the corpus includes controlled, phase-conditioned experimentation, pipeline development and augmentation alongside real data and awareness material. The corpus, its datasheet and the audit code are released with vetted access.
- Abstract（参考訳）: フェーズアノテートされた会話データは,未成年者のオンライングルーミングの進展と早期警戒ツールの開発に不可欠である。
しかし、公開されている唯一のソース(すなわち、ChatCoderでコード化されたサブセットを含むPerverted-Justiceアーカイブ)は、小さく、時代遅れで、凍結されている。
本稿では,施設ハードウェア上で動作する検索拡張パイプラインを用いて,新郎・人事交換の合成コーパスを提案する。
このパイプラインは、公開されている8ビリオンパラメータ、リファレル対応言語モデルを使用している。
コーパスは、合成データセットのための責任生成プロトコルの5段階である、ChatCoderルリング通信スキームに基づくオントロジー駆動設計(4つのグルーミングフェーズにマッピングされた8つのコミュニケーションタグ)、マルチモデルプロンプトテスト、ヒューマン・イン・ザ・ループの監視、セマンティクスと機能レベルの検証、モダリティ対応ドキュメントである。
リリースされたコーパスには、7つのタグと4つのフェーズに2,121のユニークな交換があり、それぞれに冥王星の感情フィールドが伴っている。
バリデーションは、コーパスの完全性と語彙プロファイル、および実際のシードラインの再現性、ドメイン内のラベルの復元可能性(タグ精度: 0.85; 位相精度: 0.93)、および実際のChatCoderオフテンダーラインへの転送を定量化する。
語彙および文埋め込みの特徴について精度を測定し, 実逆合成判別器を用いて, 91%の精度で2つの領域を分離することができた。
コーパスの範囲は、制御された位相条件の実験、パイプライン開発、そして実際のデータと認識材料と共に拡張を含む。
コーパス、データシート、監査コードは、拒否されたアクセスでリリースされる。
関連論文リスト
- Synthetic Semantic Supervision for Contrastive Code Representation Learning in Small Transformers: An Empirical Study [8.409799680956013]
汎用コード埋め込みは、コード検索、分類、検索のためのパワーツールである。
コード機能と意図を強調する自然言語記述を合成的に生成した小型エンコーダのコントラスト事前学習について検討する。
論文 参考訳（メタデータ） (2026-09-03T11:41:09Z) - GrOIL: Graph-Grounded Domain Ontology Induction with Constrained LLM Mediation [1.029029220360574]
ドメイン文書を制約のない生成ステップなしで完全なWeb Ontology Language (OWL) Terminological Box (TBox)に変換する7段階のグラフ基底パイプラインを提案する。
オントロジー成長分析は、大規模な語彙飽和と一致する証拠を提供し、パイプラインが大きなドキュメントコーパスから安定で再利用可能なドメイン表現を生成することを示す。
論文 参考訳（メタデータ） (2026-08-22T23:15:47Z) - An Ontology-Guided, Deduplication-Aware Extraction Layer for Knowledge Graph Construction from Heterogeneous Documents [0.0]
本稿では,ライブドキュメントストリームを形式オントロジーに整合した検証済み知識グラフに変換する生産抽出層の設計,実装,実証的改良について述べる。
類似性を埋め込み、抽出プロンプトに注入することにより、キュレートしたオントロジーの関連スライスをグラフデータベースからライブで検索する。
抽出された結果は、決定論的クリーニング、チャンクのマージ、リレーションのための2番目のパス、モデル推論を必要としない6つの重複アルゴリズム、コンフリクトガードが類似性スコアをオーバーライドできない埋め込み分解サブシステムという5つのステージの洗練パイプラインを通過します。
論文 参考訳（メタデータ） (2026-07-22T09:45:26Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models [49.259951930558]
コーディングエージェントは、継続的な推論に外部ツールリターンを統合する必要がある。
我々は,中等教育における機能意識の充足を通じてこれを活用する。
論文 参考訳（メタデータ） (2026-07-14T07:44:26Z) - Context-Aware Distillation and Ablation for Text2DSL [78.29352305480285]
我々は、コンテクスト対応蒸留により、プロンプトのみの合成生成を置き換える。
教師の大きな言語モデルは、明示的に定義された構造化コンテキストの下で機能する。
これは、検証されたポルキットベンチコーパスを4,204対から10,073対にスケールする。
論文 参考訳（メタデータ） (2026-06-21T16:27:24Z) - PHANTOM: Polymorphic Honeytoken Adaptation with Narrative-Tailored Organisational Mimicry [0.2538209532048867]
ハネトケンは、不正な属性アクセスを検出するために植えられたデコイデジタル資産である。
PHANTOMは,組織固有の知識を符号化することで,文脈的に説得力のあるハネトケンを生成するフレームワークである。
結果は外部のAPIコールなしで再現されるため、パイプラインは空調された環境で完全にデプロイできる。
論文 参考訳（メタデータ） (2026-05-04T17:14:13Z) - BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。
提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
論文 参考訳（メタデータ） (2025-11-26T06:39:19Z) - The Whole Truth and Nothing But the Truth: Faithful and Controllable
Dialogue Response Generation with Dataflow Transduction and Constrained
Decoding [65.34601470417967]
本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。
本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
論文 参考訳（メタデータ） (2022-09-16T09:00:49Z) - Contrastive Code Representation Learning [95.86686147053958]
一般的な再構成に基づくBERTモデルは,ソースコードの編集に敏感であることを示す。
コントラコード(ContraCode)は、コード機能を学ぶのにフォームではなく、コントラスト的な事前学習タスクである。
論文 参考訳（メタデータ） (2020-07-09T17:59:06Z)
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。