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

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

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

我们研究了构建数据集以了解组织活动和人类贩卖主题风险的挑战，包括数据稀缺性、迅速过时和隐私问题。我们开发了可重现和自动化的方法分析了五百万个广告，并在此过程中发现了在该敏感领域中创建数据集的进一步挑战。本文提出了一种简化的方法来帮助研究人员构建有效的数据集以打击有组织犯罪，使他们能够专注于提升检测技术。

May, 2024

酒店识别是反人类贩卖调查中的一项重要任务，我们为此提出了一个基于 2021 年 Hotel-ID 数据集的新方法，该数据集由 TraffickCam 移动应用程序提供，利用该数据集训练的模型可以准确地缩小正确酒店的范围，以帮助打击人类贩卖。

Jun, 2021

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

本论文提出了一种轻量级的特征无关的信息提取 （IE）范例，可以处理语言模式不规范、长尾概念漂移等问题，特别适用于人口贩卖等非法领域；经验证明，在低监督和高监督设置下，该范例可以比传统的基于特征的条件随机场提升 18％以上的 F - 度量，并且能够漂移概念稳定性高。

Mar, 2017

气候变化和政治动荡导致许多社区承受极大困难，迫使数百万易受攻击的人口放弃家园，寻求更安全的地区。本文提出了一种名为 N2T+（Narrative to Trajectory）的系统，利用数据科学和自然语言处理技术分析贩运故事，自动提取相关位置名称，并绘制贩运路线图，以帮助防止相关犯罪行为。通过比较评估，我们展示了该多维方法在地理定位识别方面明显优于其他最先进技术。

May, 2024