論文の概要: Agent-based Simulation for Online Mental Health Matching

• arxiv url: http://arxiv.org/abs/2303.11272v1
• Date: Mon, 20 Mar 2023 17:04:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 14:21:08.684434
• Title: Agent-based Simulation for Online Mental Health Matching
• Title（参考訳）: オンラインメンタルヘルスマッチングのためのエージェントベースシミュレーション
• Authors: Yuhan Liu and Anna Fang, Glen Moriarty, Robert Kraut, Haiyi Zhu
• Abstract要約: 我々は、エージェントベースのシミュレーションフレームワークを開発するために、世界最大のオンラインメンタルヘルスコミュニティの1つと協力します。 提案手法は,1対1のチャットにおいて,遅延受容アルゴリズムを用いることで,サポート検索者の体験を著しく改善できることがわかった。
• 参考スコア（独自算出の注目度）: 16.968538290877444
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Online mental health communities (OMHCs) are an effective and accessible channel to give and receive social support for individuals with mental and emotional issues. However, a key challenge on these platforms is finding suitable partners to interact with given that mechanisms to match users are currently underdeveloped. In this paper, we collaborate with one of the world's largest OMHC to develop an agent-based simulation framework and explore the trade-offs in different matching algorithms. The simulation framework allows us to compare current mechanisms and new algorithmic matching policies on the platform, and observe their differing effects on a variety of outcome metrics. Our findings include that usage of the deferred-acceptance algorithm can significantly better the experiences of support-seekers in one-on-one chats while maintaining low waiting time. We note key design considerations that agent-based modeling reveals in the OMHC context, including the potential benefits of algorithmic matching on marginalized communities.
• Abstract（参考訳）: オンラインメンタルヘルスコミュニティ(OMHC)は、精神的および感情的な問題を持つ個人に対して社会的支援を与え、受けられる効果的なチャンネルである。 しかし、これらのプラットフォームにおける重要な課題は、ユーザとマッチするメカニズムが未開発であることを考えると、適切なパートナーを見つけることである。 本稿では,世界最大規模のOMHCと協力し,エージェントベースのシミュレーションフレームワークを開発し,異なるマッチングアルゴリズムにおけるトレードオフについて検討する。 シミュレーションフレームワークにより、プラットフォーム上の現在のメカニズムと新しいアルゴリズムマッチングポリシーを比較し、様々な結果指標に対する異なる効果を観察することができる。 その結果,遅延受容アルゴリズムは1対1のチャットにおいて,待ち時間を低く保ちながら支援者体験を大幅に改善できることがわかった。 我々は,omhcの文脈においてエージェントベースモデリングが示す重要な設計上の考察に注目する。

関連論文リスト

• POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
  主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。 このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
  論文  参考訳（メタデータ） (2024-07-20T16:37:21Z)
• Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
  本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。 HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。 HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
  論文  参考訳（メタデータ） (2024-06-12T08:48:06Z)
• Scaling Large-Language-Model-based Multi-Agent Collaboration [75.5241464256688]
  大規模言語モデルによるエージェントのパイオニア化は、マルチエージェントコラボレーションの設計パターンを暗示している。 神経スケーリング法則に触発された本研究では,マルチエージェント協調におけるエージェントの増加に類似の原理が適用されるかを検討する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• Federated Multi-Agent Actor-Critic Learning for Age Sensitive Mobile Edge Computing [16.49587367235662]
  モバイルエッジコンピューティング(MEC)は、さまざまな分散通信コンピューティングシステムのための新しい処理スキームを導入します。 年齢に敏感なMECモデルを定式化し、関心事の平均年齢(AoI)最小化問題を定式化する。 共同作業のパラダイムとして, ヘテロジニアス多エージェントアクタ批判(H-MAAC)と呼ばれる新しいポリシーに基づく多エージェント深層強化学習(RL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-28T08:19:26Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)
• Multi-Agent Interactions Modeling with Correlated Policies [53.38338964628494]
  本稿では,マルチエージェントインタラクションモデリング問題をマルチエージェント模倣学習フレームワークに実装する。 相関ポリシー(CoDAIL)を用いた分散型適応模倣学習アルゴリズムの開発 様々な実験により、CoDAILはデモレーターに近い複雑な相互作用をより良く再生できることが示されている。
  論文  参考訳（メタデータ） (2020-01-04T17:31:53Z)

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。