論文の概要: Using Sequences of Life-events to Predict Human Lives

• arxiv url: http://arxiv.org/abs/2306.03009v1
• Date: Mon, 5 Jun 2023 16:19:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 14:04:34.476380
• Title: Using Sequences of Life-events to Predict Human Lives
• Title（参考訳）: ライフイベントの時系列を用いたヒトの生活予測
• Authors: Germans Savcisens, Tina Eliassi-Rad, Lars Kai Hansen, Laust Mortensen, Lau Lilleholt, Anna Rogers, Ingo Zettler, Sune Lehmann
• Abstract要約: 我々は、人間の生活の進化と予測可能性を調べるために、最も包括的なレジストリデータを作成している。 我々は、この埋め込み空間が堅牢で高度に構造化されていることを示す1つのベクトル空間に、ライフイベントの埋め込みを作成する。 我々のモデルは、早期死亡からパーソナリティニュアンスまで多様な結果を予測することができ、最先端のモデルよりも広いマージンで優れています。
• 参考スコア（独自算出の注目度）: 16.77071145203099
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the past decade, machine learning has revolutionized computers' ability to analyze text through flexible computational models. Due to their structural similarity to written language, transformer-based architectures have also shown promise as tools to make sense of a range of multi-variate sequences from protein-structures, music, electronic health records to weather-forecasts. We can also represent human lives in a way that shares this structural similarity to language. From one perspective, lives are simply sequences of events: People are born, visit the pediatrician, start school, move to a new location, get married, and so on. Here, we exploit this similarity to adapt innovations from natural language processing to examine the evolution and predictability of human lives based on detailed event sequences. We do this by drawing on arguably the most comprehensive registry data in existence, available for an entire nation of more than six million individuals across decades. Our data include information about life-events related to health, education, occupation, income, address, and working hours, recorded with day-to-day resolution. We create embeddings of life-events in a single vector space showing that this embedding space is robust and highly structured. Our models allow us to predict diverse outcomes ranging from early mortality to personality nuances, outperforming state-of-the-art models by a wide margin. Using methods for interpreting deep learning models, we probe the algorithm to understand the factors that enable our predictions. Our framework allows researchers to identify new potential mechanisms that impact life outcomes and associated possibilities for personalized interventions.
• Abstract（参考訳）: 過去10年間、機械学習は柔軟な計算モデルを通じてコンピュータがテキストを分析する能力に革命をもたらした。 書き言葉と構造的な類似性から、トランスフォーマーベースのアーキテクチャはタンパク質構造、音楽、電子健康記録、天気予報などの多変量配列を理解するツールとしても期待されている。 私たちはまた、言語と構造的な類似性を共有する方法で人間の生活を表現できる。 人々が生まれ、小児科に通い、学校を始め、新しい場所に移動し、結婚するなど、人生は単なる一連の出来事である。 ここでは、この類似性を利用して自然言語処理からの革新を適応し、詳細なイベントシーケンスに基づいて人間の生活の進化と予測可能性を調べる。 何十年にもわたって600万人以上の個人が利用できる、おそらく最も包括的な登録データを提供することで、これを実現しています。 我々のデータには、健康、教育、職業、所得、住所、労働時間に関連するライフイベントに関する情報が含まれています。 我々は、この埋め込み空間が堅牢で高度に構造化されていることを示す1つのベクトル空間に、ライフイベントの埋め込みを作成する。 我々のモデルは、早期死亡からパーソナリティニュアンスまで多様な結果を予測することができ、最先端のモデルよりも広いマージンで優れています。 ディープラーニングモデルを解釈する手法を用いて,予測を可能にする因子を理解するアルゴリズムを探索する。 我々のフレームワークは、研究者が生活結果に影響を及ぼす新たなメカニズムと、パーソナライズされた介入の可能性を特定することを可能にする。

関連論文リスト

• Conserving Human Creativity with Evolutionary Generative Algorithms: A Case Study in Music Generation [0.0]
  本研究では,音楽制作における進化的生成アルゴリズムの適用について検討し,人間の創造性を保ち,向上させる。 人間のフィードバックを微分進化アルゴリズムに組み込むことで、国際レコードレーベルに提出された6曲を制作しました。
  論文  参考訳（メタデータ） (2024-06-09T18:11:05Z)
• Large Language Models for Scientific Synthesis, Inference and Explanation [56.41963802804953]
  大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。 我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。 このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
  論文  参考訳（メタデータ） (2023-10-12T02:17:59Z)
• Learning signatures of decision making from many individuals playing the same game [54.33783158658077]
  我々は、個人の「行動スタイル」を符号化する表現を学習する予測フレームワークを設計する。 我々は,3本腕のバンディットタスクを行う1,000人の人間による大規模行動データセットに本手法を適用した。
  論文  参考訳（メタデータ） (2023-02-21T21:41:53Z)
• StyleGAN-Human: A Data-Centric Odyssey of Human Generation [96.7080874757475]
  この研究は、データ中心の観点から、"データエンジニアリング"における複数の重要な側面を調査します。 さまざまなポーズやテクスチャを抽出した230万以上のサンプルで、大規模な人間の画像データセットを収集し、注釈付けします。 本稿では,データサイズ,データ分布,データアライメントといった,スタイルGANに基づく人為的生成のためのデータ工学における3つの重要な要素について精査する。
  論文  参考訳（メタデータ） (2022-04-25T17:55:08Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• Physion: Evaluating Physical Prediction from Vision in Humans and Machines [46.19008633309041]
  我々は、この能力を正確に測定する視覚的および身体的予測ベンチマークを示す。 我々は、様々な物理予測を行う能力について、アルゴリズムの配列を比較した。 物理的な状態にアクセス可能なグラフニューラルネットワークは、人間の振る舞いを最もよく捉えている。
  論文  参考訳（メタデータ） (2021-06-15T16:13:39Z)
• Interpretable machine learning for high-dimensional trajectories of aging health [0.0]
  我々は、健康と生存の個人的高齢軌跡の計算モデルを構築した。 身体的、機能的、生物学的な変数を含み、人口動態、生活様式、医学的背景情報に依存する。 我々のモデルは大規模縦型データセットにスケーラブルであり、健康変数間の有向相互作用の解釈可能なネットワークを推定する。
  論文  参考訳（メタデータ） (2021-05-07T17:42:15Z)
• Health State Estimation [2.463876252896007]
  論文は、個人モデルを構築し、個人の健康状態を動的に推定するアプローチを提示します。 システムは4つの重要な抽象要素から縫合される。 実験では、個々の心臓血管の健康状態を監視するために、高密度で均一な現実世界のデータを使用することが示されている。
  論文  参考訳（メタデータ） (2020-03-16T21:06:32Z)
• Uncovering life-course patterns with causal discovery and survival analysis [5.627346969563955]
  生命イベントの選択と確率論的観点からの出現をモデル化するための新しいアプローチを提供する。 データはドイツのドルトムントで実施された調査から来ている。
  論文  参考訳（メタデータ） (2020-01-30T15:30:16Z)

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。