Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Domain Knowledge-Enhanced LLMs for Fraud and Concept Drift Detection

Created by
  • Haebom

作者

Ali \c{S}enol, Garima Agrawal, Huan Liu

概要

本論文では、動的プラットフォームにおける欺瞞的な会話を検出するためのドメイン知識ベースの大規模言語モデル（DK-LLM）フレームワークを紹介します。従来の大規模言語モデルは、概念移動（CD）によるコンテキストの曖昧さと幻覚のために欺瞞的な会話を検出するのが困難であるという点に基づいて、構造化された作業固有の洞察を事前訓練されたLLMに統合するフレームワークを提案しています。このフレームワークは、偽の会話検出モジュール、概念移動検出モジュール（OCDD）、および動きの性質を分類するモジュールで構成され、偽レビューデータセットとSEConvoデータセットを使用してパフォーマンスを検証します。 LLaMAベースの実装は98％の分類精度を達成し、ゼロショット基準モデルと比較して、ドメイン知識と概念移動認識の重要性を示しています。

Takeaways、Limitations

•
Takeaways:
◦
ドメイン知識を組み込んだLLMフレームワークは、欺瞞的な会話検出性能を大幅に向上させることを示しています。
◦
概念移動検出機能により、時間の経過に伴う言語パターンの変化に対するロバースト性を確保。
◦
高精度（98％）を達成し、実際の適用性を提示します。
◦
構造化されたプロンプトを利用してモデルの解析性を向上。
•
Limitations:
◦
使用されるデータセットの特性によって、一般化のパフォーマンスが制限される可能性があります。
◦
さまざまな種類の欺瞞的な会話の一般化性能評価が必要
◦
実際のプラットフォーム環境でのパフォーマンス検証が追加で必要です。
◦
OCDDモジュールの具体的なアルゴリズムと性能の詳細な説明の欠如
👍
Made with Slashpage