快速信息流中可疑事件的检测
机器学习
2021-01-08 v1 人工智能
摘要
我们描述了一种计算轻量且直观、但可证高效的算法，名为HALFADO。HALFADO设计用于基于相对较少的人工判断样本，在高频复杂条目流中检测可疑事件。在现代数字社会的许多领域中，运行足够准确的检测系统对于{\em 辅助}人类专家团队至关重要。这些系统本质上具有深远的规范性影响，公众知晓此类技术的运作方式应是一项人权。在概念层面，本方法扩展了最经典的分类学习算法之一，继承其理论性质。但它以半监督方式工作，融合人类与计算智能。在实践层面，该算法超越现有方法（专家系统），将其性能管理并提升为单一全局检测器。我们在两个挑战性应用上展示HALFADO的效力：(1) 在从社交媒体平台收集的短信流中检测{\em 仇恨言论}消息；(2) 金融科技中的交易监控系统（TMS），在金融交易流中检测欺诈交易。该算法表明——与流行观念相反——机器学习的高级方法既不需要高级别的计算能力，也不需要昂贵的标注工作。
引用
@article{arxiv.2101.02424,
title = {Detecting Suspicious Events in Fast Information Flows},
author = {Kristiaan Pelckmans and Moustafa Aboushady and Andreas Brosemyr},
journal= {arXiv preprint arXiv:2101.02424},
year = {2021}
}