面向切实影响的机器学习：用于揭示非法按摩行业自然语言处理与用于触觉感知计算机视觉

我在本论文中探讨两个问题：计算机科学如何用于打击人口贩卖？以及计算机视觉如何创造触觉？我使用自然语言处理（NLP）监测美国非法按摩行业（IMI）——一个提供不仅治疗性按摩还包括商业性服务的数十亿美元产业。该行业雇员多为就业机会匮乏的移民女性，使她们易受人贩子欺诈、胁迫及其他人口贩卖侵害。监测时空趋势有助于预防 IMI 中的贩卖活动。通过利用三个公开网站 Google Places、Rubmaps 和 AMPReviews 构建数据集，并结合词袋模型和 Word2Vec 等 NLP 技术，我展示了如何洞察雇员面临的用工压力与语言障碍，以及影响买春者的收入、人口统计特征与社会压力。鉴于这些数据集，我向其他研究者发出了行动呼吁。我还考虑了如何生成合成金融数据，以协助银行领域反贩卖工作。我使用基于智能体的模型生成表格数据与付款方-收款方图数据。接着，我探讨了计算机视觉在制造触觉传感器中的作用。我报告了一种新型传感器 Digger Finger，它改造 Gelsight 传感器以在颗粒介质中寻找物体。改动包括采用楔形以便于挖掘、用荧光涂料替换内部照明 LED，以及添加振动马达以防止卡塞。最后，我展示了如何利用网络摄像头与打印的参考标记（即 fiducial）制造低成本六轴力-力矩传感器。该传感器价格仅为商用传感器的百分之一不到，可应用于更广范围。针对本论文及先前章节，我以开源形式发布了设计文件与代码。