CCC/Code 8.7: 应用人工智能打击现代奴役
本研究提供第一个公开可访问的英文语料库,其中包括了由专业数据源检索到的 989 篇新闻文章,并根据 ILO 的风险指标对其进行了注释。对于每篇新闻文章,都进行了两个方面的注释:强迫劳动的指标作为分类标签和证明标注决策的文本片段。数据集可促进关于多类别和多标签文本分类的可解释性的研究。
May, 2022
本研究通过对 Backpage 网站上与人口贩运相关的在线活动展开分析,采用半监督式学习方法,依靠所提取的带标签和未标签数据进行训练。该方法经过专家的进一步验证并在未见过的数据集上进行评估。
Jul, 2016
通过先进的自然语言处理技术,本项目解决在线 C2C 市场上的人口贩运问题。我们介绍了一种新的方法论,通过最小的监督生成伪标记数据集,为训练最先进的自然语言处理模型提供了丰富的资源。在人口贩卖风险预测和有组织活动检测等任务中,我们采用了先进的 Transformer 模型进行分析。一个重要的贡献是使用整合梯度实现一个可解释性框架,为执法部门提供关键的可解释性洞察。这项工作不仅填补了文献中的一个重要空白,还提供了一种可扩展的、机器学习驱动的在线人类剥削对策方法。它为未来的研究和实际应用奠定了基础,强调了机器学习在解决复杂社会问题中的作用。
Nov, 2023
该研究的目标是针对自动驾驶汽车开发一种基于创新的音频分析的人口贩运侦测框架,使用一维卷积神经网络可以将人口贩卖受害者的声音从非人口贩卖声音中区分出来,准确率达 95%。
Sep, 2022
本研究运用来自 “Backpage” 网站的文本数据,利用扩展的 Laplacian SVM 中添加正则化项的 S3VM-R 方法,结合监督和半监督学习,成功识别高度关注的人口贩运在线广告,是一种有效的打击人口贩卖犯罪的方法。
May, 2017
该论文使用整数线性规划模型,结合上下文、限制条件和开放的地理名称知识库来提高人口贩卖定位标记的精度和 F - 度量。实验结果表明,相比于基于机器学习的基线,该框架可提高 28.57%的精度和 36.9%的 F - 度量。这种方法已被广泛应用于美国执法部门,以打击人口贩卖。
Apr, 2017
采用代理标签的实体分辨管道从在线论坛中提取人类贩卖活动数据,并应用于 5M 条记录的 Backpage.com 数据,并报告了其性能的挑战和领域特定特征
Sep, 2015
该论文通过使用计算机科学、计算机视觉和自然语言处理等技术探讨了如何利用计算机科学打击人口贩卖和如何利用计算机视觉实现触觉感应。其中包括使用自然语言处理技术监测美国非法按摩行业,以及创造触觉传感器和低成本六轴力矩传感器的方法和设计文件。
Sep, 2023
通过整合人工智能和机器学习技术,本研究旨在利用现有闭路电视网络对人群管理、犯罪预防和工作场所监控进行综合性处理,开发和实施能够实时分析视频信息的先进算法,实现人群动态识别和评估、潜在犯罪活动的早期发现以及工作环境的持续监控,借助于人工智能和机器学习技术,优化监控能力,提高公共安全措施和组织生产力的水平。这一倡议强调了智能视频分析在现有基础设施上的变革性影响,减少了系统全面改造的需要,显著提升了安全和运营效率。
Nov, 2023
该论文介绍了 AI 技术在资源分配方面的应用,讨论了如何在政治哲学的指导下设计这些系统的目标,以实现公平、效率、激励兼容性和利益相关者偏好的满意聚合,并探讨了数据万物互连时代下,算法可预测未来为我们带来的机遇和风险。
Nov, 2021