通过比较基于嵌入式 NLP 排名方法、使用 GPT-4 的生成式 AI 方法、众包方法以及纯手动创建相关性标签的方法，本研究旨在探讨如何协助法律和领域专家评估相关要求，并通过两个案例研究对方法进行评估，提供了关于适用性、自动化、透明性和可重复性的优缺点，并给出了针对特定应用场景的过程使用、影响和动态特征的方法组合指南。

Jan, 2024

该研究介绍了一种基于文档检索的监管信息检索新方法 REG-IR，该方法使用一个包含整个文档的查询，比传统的短查询更具挑战性。此外，研究人员通过 EU 指令和英国立法之间的关系编制并发布了两个数据集，并使用基于 BERT 模型的多个表示从 BM25 到 k 最近邻的各种预取器进行了实验，证明对 BERT 模型进行领域内微调是 IR 的最佳表示。实验表明，由于存在相反标签的相似查询 - 文档对的相互矛盾监督，神经网络重新排序器表现不佳。然而，实验进一步表明，应用日期过滤器可以进一步提高检索性能，突显时间维度的重要性。

Jan, 2021

本文研究了高度规范的行业比如银行和医疗领域中所遇见的遵循法规标准的云计算难题，提出了使用人工智能技术解决技术规范和法规控制之间的映射问题的方法，并进行了早期结果的展示和讨论

Jun, 2022

探讨数字执法中社交媒体数据访问问题，提出使用法律合规 API 作为促进数字服务法案和欧洲及国家监管遵守的手段，并以两个场景为例子，反思数据访问和从劳动和消费者法律领域的角度遵守数字服务法案和其他适用法律标准的重要问题。

May, 2022

对在线平台中对个人、提供方或内容进行公正排序的 “公正排名” 研究文献进行了批判性概述，提出了更全面和以影响为导向的公正排名研究议程的前景，包括其他领域的方法论教训以及更广泛利益相关者社区在克服数据瓶颈和设计有效监管环境方面的作用。

Jan, 2022

研究目的为了实现大学学术搜索平台，探讨搜索、排名和推荐技术，但由于缺乏大量基本事实数据，传统的排名技术和评估措施难以实现。该项目有助于提高用户的学术搜索体验，包括研究人员、出版物和研究领域信息，并对大学教师和学生的研究经验都有益。

Jul, 2022

提出了基于大型语言模型和语义网络的隐私合规方法，通过开发隐私政策合规验证知识图谱（PrivComp-KG），有效存储和检索有关隐私政策、法规框架和领域特定知识的全面信息，实现对供应商隐私政策与相关政策法规的合规性查询。

Apr, 2024

该论文为澳大利亚金融监管机构开发了一种基于人工智能技术（如自然语言处理、机器学习和深度学习）的方法，以系统性地对个人财务咨询文件进行监管风险评估，为文件的各种风险因素提供红黄绿灯评级，并能快速识别高风险文件。这是一个关于开发面向政府和公共部门人工智能系统的公私合作的案例研究。

Oct, 2019

本文旨在介绍确保排名和推荐中的公平性所使用的定义、模型和方法的工具包，提供有关这一新颖、迅速发展和有影响力的领域的坚实框架，将相关方法并置并强调未来工作的开放挑战和研究路径。

Apr, 2021

自 2023 年 9 月起，数字服务法案要求大型在线平台向数字服务法案透明数据库提交详细的每项内容审查行动数据，在网络关键领域引发了学术界的广泛兴趣。本研究通过全面分析欧盟内八个最大的社交媒体平台在数据库的前 60 天提交的 1.96 亿份记录，进行了平台比较研究，包括内容审查行动数量、决策依据、应用限制类型、内容审查类型、及时性以及自动化使用等方面，同时与平台自身的透明度报告进行了系统交叉验证。研究结果表明：（一）平台部分遵守了数据库的哲学和结构，（二）数据库的结构对平台的报告需求来说部分不足，（三）平台的内容审查行动存在显著差异，（四）数据库数据中存在较大不一致性，（五）X 平台（之前为 Twitter）的不一致性最为突出。我们的发现对决策者和学者在不同学科领域具有重要意义，为未来的监管提供了指导，既满足了在线平台的报告需求，又提供了改进和完善数据库的机会。

Dec, 2023