💻 计算机科学
Audit Detection Risk Reduction Using Machine Learning: Evidence from 3.3 million Transactions
本研究引入并验证了一个四层机器学习框架，该框架通过对来自一家蒙古能源公用事业部门的 330 万笔真实交易利用无监督和有监督模型，与传统方法相比显著降低了审计检测风险和处理时间，同时还揭示了本福特法则异常中的一种新型“聚合掩盖效应”。
💻 Category
cs
4157 篇论文
💻 计算机科学
An Explainable AI Framework for Thai Dish Recommendation Using Sensory Profiling and Association Rule Mining
本研究提出了一种可解释人工智能框架，该框架通过将关联规则挖掘与三维感官剖析相结合，来分析泰国餐厅的交易数据，从而揭示具有文化根基的菜品搭配模式，并实现可解释且地道的膳食推荐生成。
💻 计算机科学
A Lightweight Neural Network Approach for Phishing URL Detection
本研究提出了一种基于 PhiUSIIL 数据集的轻量级神经网络方法用于钓鱼 URL 检测，证明了通过优化超参数和应用数据缩放可以在保持低计算复杂度的同时显著提高分类准确率。
💻 计算机科学
Morphological Priors and Photogrammetric Conditioning for Auditable Generative 3D Miao and Dong Timber Heritage Scenes
本研究提出了一种针对苗族和侗族木构遗产场景的可审计生成工作流，该工作流集成了形态先验、摄影测量约束和溯源日志，旨在确保提供可审查的语义与结构证据，而不声称实现测量级重建。
💻 计算机科学
Implementing Random Forest Method for Healthcare Provider Fraud Detection Framework to Mitigate Financial Risk and Cost Optimization in Healthcare Management
本文提出了一种基于随机森林的机器学习框架，通过结合 SMOTE-Tomek 类平衡技术，在准确率和关键性能指标方面超越了决策树、逻辑回归、支持向量机（SVM）和朴素贝叶斯等传统模型，从而有效地检测医疗保健提供商欺诈行为并降低财务风险。
💻 计算机科学
MSAL-YOLO: a YOLOv8-based detector for small and densely distributed object detection in UAV aerial imagery
本文提出了 MSAL-YOLO，这是一种增强型 YOLOv8 检测器，它通过集成空间-通道混合卷积模块、多分支增强坐标注意力机制以及区域自适应 Wise-IoU 损失，有效地解决了无人机航拍图像中小目标和密集分布目标的检测挑战，并在 VisDrone2019 和 DOTAv1 数据集上实现了显著的性能提升。
💻 计算机科学
TRAUMA: A Machine Learning–Based Record Linkage Method for Health Databases
本研究验证了 TRAUMA 方法，这是一种基于 LightGBM 的监督式机器学习记录链接方法，证明了与巴西健康数据库中传统的 CIDACS-RL 工具相比，该方法在实现高精确度和高特异性的真实匹配恢复方面具有更优越的能力。
💻 计算机科学
Diamojism: Semantic-Perceptual Tile Selection for Large-Format Emoji Mosaic Rendering
本文介绍了 Diamojism，这是一种新颖的照片马赛克渲染架构，通过将语义主题评分和迭代调色板校正集成到钻石型平铺网格系统中，从而在不依赖生成模型的情况下，增强了大尺寸表情符号马赛克的主题相关性和色彩准确性。
💻 计算机科学
An (n, n) Threshold Color QR Code-based Visual Secret Sharing Scheme for Privacy Images
本文提出了一种新颖的 (n, n) 阈值视觉秘密共享方案，该方案利用彩色二维码作为有意义的份额，通过利用色彩冗余和异或（XOR）运算，实现对隐私图像的安全加密与无损恢复。
💻 计算机科学
What Makes a Programming Problem Hard for a Language Model? An Empirical Study of Item Difficulty Across Code LLMs on Two Benchmarks
本文通过一项实证研究表明，代码生成基准测试中的问题难度是一个稳定的、可迁移的指标，其由 HumanEval 中的规范特征（如示例和提示词长度）以及 MBPP 中的解法复杂度所驱动，这为在模型聚合评分趋于饱和时改进基准测试、自动评分和教育工具设计提供了关键见解。