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

介绍了 IDTraffickers 数据集及其在在线伴游市场中验证和识别潜在人口贩卖供应商的作用，通过训练 DeCLUTR-small 模型实现了 0.8656 的宏 F1 得分和 0.8852 的平均 r-precision 得分，旨在促进进一步研究并确保负责任的数据共享，以便将伴游广告与人口贩卖迹象的识别联系起来。

Oct, 2023

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

该研究调查了大规模视觉数据集的问题性实践和后果，并提出了采集数据集时应该考虑的伦理问题，包括同意和公正问题，以及诸如图像集中是否包含可验证色情图片的具体问题。同时，该论文根据实验和统计数据来阐明了数据集整理中的伦理原则和应该避免的陷阱，呼吁建立强制的伦理审查委员会。

Jun, 2020

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

通过对针对性别少数群体的仇恨言论的具体例子，本文分析了仇恨言论检测所面临的问题，并提出了一个以数据为中心的综合框架，以跨七个广泛的维度来概括数据创建流程，同时指出实践者将从按照该框架来创建未来的仇恨言论数据集中获益。

Sep, 2023

本文系统分析了 2011 年至 2020 年间近 300 篇有关欺诈分析的研究文献，总结了应用领域、面临的挑战、方法和绩效度量，并提出了未来研究的关键词策略和数据集要求。此外，本文提供了一个在线数据库，以帮助其他研究者进行进一步的研究。

Dec, 2022

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

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