論文の概要: Forecasting asylum-related migration flows with machine learning and data at scale

• arxiv url: http://arxiv.org/abs/2011.04348v3
• Date: Fri, 20 Nov 2020 13:19:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 02:22:19.555133
• Title: Forecasting asylum-related migration flows with machine learning and data at scale
• Title（参考訳）: 機械学習と大規模データによる亡命関連マイグレーションフローの予測
• Authors: Marcello Carammia, Stefano Maria Iacus, Teddy Wilkin
• Abstract要約: 適応型機械学習アルゴリズムは,亡命関係の移動フローを効果的に予測できることを示す。 我々は、起源の国における位置情報のイベントとインターネット検索、EU国境における不規則な横断の検知、目的地の国における亡命承認率という3つの階層のデータを活用している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The effects of the so-called "refugee crisis" of 2015-16 continue to dominate the political agenda in Europe. Migration flows were sudden and unexpected, leaving governments unprepared and exposing significant shortcomings in the field of migration forecasting. Migration is a complex system typified by episodic variation, underpinned by causal factors that are interacting, highly context dependent and short-lived. Correspondingly, migration monitoring relies on scattered data, while approaches to forecasting focus on specific migration flows and often have inconsistent results that are difficult to generalise at the regional or global levels. Here we show that adaptive machine learning algorithms that integrate official statistics and non-traditional data sources at scale can effectively forecast asylum-related migration flows. We focus on asylum applications lodged in countries of the European Union (EU) by nationals of all countries of origin worldwide; the same approach can be applied in any context provided adequate migration or asylum data are available. We exploit three tiers of data - geolocated events and internet searches in countries of origin, detections of irregular crossings at the EU border, and asylum recognition rates in countries of destination - to effectively forecast individual asylum-migration flows up to four weeks ahead with high accuracy. Uniquely, our approach a) monitors potential drivers of migration in countries of origin to detect changes early onset; b) models individual country-to-country migration flows separately and on moving time windows; c) estimates the effects of individual drivers, including lagged effects; d) provides forecasts of asylum applications up to four weeks ahead; e) assesses how patterns of drivers shift over time to describe the functioning and change of migration systems.
• Abstract（参考訳）: 2015-16年のいわゆる「難民危機」の影響は、欧州の政治政策を支配し続けている。 移行フローは突然で予期せぬものとなり、政府は準備ができなくなり、移行予測の分野において重大な欠点を露呈した。 移行はエピソードの変化によって特徴づけられる複雑なシステムであり、相互作用し、文脈に依存し、短命である因果因子によって支えられている。 移行監視は散在するデータに依存する一方で、特定の移行フローに注目して予測するアプローチでは、地域やグローバルレベルでの一般化が難しい一貫性のない結果がしばしば発生する。 ここでは,公式統計と非伝統的なデータソースを大規模に統合した適応型機械学習アルゴリズムが,亡命関連マイグレーションフローを効果的に予測できることを示す。 我々は、欧州連合(eu)加盟国に所在する世界各国の亡命申請に焦点をあて、適切な移行や亡命データが利用可能であれば、あらゆる状況において同じアプローチを適用することができる。 我々は3つの階層(起源国における位置情報イベントとインターネット検索、eu国境における不規則な交差点の検出、目的地国でのアジラム認識率)を活用し、高精度で4週間以内の個々のアジラム移民の流れを効果的に予測する。 私たちのアプローチは a) 原産地諸国における移住の潜在的な要因を監視して,早期に変化を検出すること b) 個別の国間移動フロー及び移動時間窓のモデル c) 標識効果を含む個々のドライバの効果を推定すること。 d) 亡命申請の予測を最大4週間先まで提供すること。 e) ドライバのパターンが時間の経過とともに移行システムの機能や変更を記述する方法を評価する。

関連論文リスト

• Labor Migration Modeling through Large-scale Job Query Data [36.87413768190629]
  本稿では,大規模ジョブクエリデータを活用した深層学習に基づく時空間労働移動分析フレームワークDHG-SILを提案する。 具体的には,世界最大規模の検索エンジンからの求人情報による労働移動のプロキシとして,まず最初に労働移動の意図を取得する。 都市の移動特性を定量化するための4つの解釈変数を導入し、都市表現と協調して最適化する。
  論文  参考訳（メタデータ） (2024-10-03T16:24:14Z)
• MARS: Benchmarking the Metaphysical Reasoning Abilities of Language Models with a Multi-task Evaluation Dataset [50.36095192314595]
  大きな言語モデル(LLM)は、一般化可能な推論能力を持つ意識的なエージェントとして機能する。 この能力は、イベントにおける無限の可能な変更をモデル化する複雑さのために、まだ探索されていない。 我々は,各ステップに対応する3つのタスクからなる最初のベンチマークMARSを紹介する。
  論文  参考訳（メタデータ） (2024-06-04T08:35:04Z)
• Combining Twitter and Mobile Phone Data to Observe Border-Rush: The Turkish-European Border Opening [2.5693085674985117]
  2020年にトルコが国境管理を廃止すると決定すると、多くの個人がギリシャ、ブルガリア、トルコの国境に向かって旅した。 しかし、メディアレポートと実際の移行パターンの間の不規則な移動と不一致に関する検証可能な統計が欠如しているため、さらなる調査が必要である。 本研究は,新しいデータソース,特に携帯電話とTwitterのデータを活用することで,この知識ギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-21T09:51:15Z)
• Geometry-Aware Instrumental Variable Regression [56.16884466478886]
  本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。 本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
  論文  参考訳（メタデータ） (2024-05-19T17:49:33Z)
• The diaspora model for human migration [0.07852714805965527]
  既存のモデルは、フローの変動を説明するために、主に人口規模と移動距離に依存している。 本稿では,移住のダイアスポラモデルを提案し,移住者数(移住者数)と移住者数(国内での目的地)を取り入れた。 本モデルでは,移住者が特定の居住地を選択する確率に影響を及ぼすように,目的地国における既存のディアスポラサイズのみを考慮に入れている。
  論文  参考訳（メタデータ） (2023-09-06T15:17:53Z)
• FUN with Fisher: Improving Generalization of Adapter-Based Cross-lingual Transfer with Scheduled Unfreezing [60.629222280633606]
  微調整タスクアダプタのためのスケジュール付き凍結アルゴリズムについて検討する。 実験により, 完全微調整に近づき, 言語間移動性能が向上した。 本研究では,4つのデータセットに対して平均2点改善を達成できる一般的な非凍結アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-13T11:26:53Z)
• Estimating Latent Population Flows from Aggregated Data via Inversing Multi-Marginal Optimal Transport [57.16851632525864]
  累積カウントデータから潜在人口フローを推定する問題について検討する。 この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。 我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
  論文  参考訳（メタデータ） (2022-12-30T03:03:23Z)
• Investigating internal migration with network analysis and latent space representations: An application to Turkey [0.0]
  トルコにおける2008年から2020年までの内部移住の構造と動態を詳細に調査する。 古典的マイグレーション法則の集合を同定し,署名付きネットワーク解析,エゴネットワーク解析,表現学習,時間的安定性解析,ネットワーク可視化の様々な手法を用いて検証する。 この結果は、古典的な移住法に従って、ほとんどの移住リンクは、大きな経済活動を持つ都市を含むいくつかの例外と地理的に結びついていることを示している。
  論文  参考訳（メタデータ） (2022-01-10T18:58:02Z)
• Leveraging Mobile Phone Data for Migration Flows [5.0161988361764775]
  移動フローに関する統計は、しばしば固有の制限に悩まされる国勢調査データから導かれる。 調査やフィールド観測などの代替データソースも、信頼性、コスト、スケール制限に悩まされている。 携帯電話の普及により、移動に関連する最新のデータの正確かつ効率的な収集が可能になる。
  論文  参考訳（メタデータ） (2021-05-31T13:41:47Z)
• Combating Temporal Drift in Crisis with Adapted Embeddings [58.4558720264897]
  言語の使用は時間とともに変化し、NLPシステムの有効性に影響を与える可能性がある。 本研究は,危機時の言論変化に対応する方法を検討する。
  論文  参考訳（メタデータ） (2021-04-17T13:11:41Z)
• When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
  新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。 さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。 本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-13T18:21:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。