論文の概要: Analysing the Needs of Homeless People Using Feature Selection and
Mining Association Rules
- arxiv url: http://arxiv.org/abs/2401.08008v1
- Date: Mon, 15 Jan 2024 23:28:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 15:35:47.784325
- Title: Analysing the Needs of Homeless People Using Feature Selection and
Mining Association Rules
- Title（参考訳）: 特徴選択・鉱業関連ルールを用いたホームレスのニーズ分析
- Authors: Jos\'e M. Alcalde-Llergo, Carlos Garc\'ia-Mart\'inez, Manuel
Vaquero-Abell\'an, Pilar Aparicio-Mart\'inez and Enrique Yeguas-Bol\'ivar
- Abstract要約: SINTECHプロジェクトは、2つの異なるツールを提案するこの問題に対処するために作られた。
最初のものは、ホームレスの人々の調査に利用しているスペインの一部の組織に配布されている。
第2のツールは、異なる特徴選択と関連ルールマイニング方法を実装している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Homelessness is a social and health problem with great repercussions in
Europe. Many non-governmental organisations help homeless people by collecting
and analysing large amounts of information about them. However, these tasks are
not always easy to perform, and hinder other of the organisations duties. The
SINTECH project was created to tackle this issue proposing two different tools:
a mobile application to quickly and easily collect data; and a software based
on artificial intelligence which obtains interesting information from the
collected data. The first one has been distributed to some Spanish
organisations which are using it to conduct surveys of homeless people. The
second tool implements different feature selection and association rules mining
methods. These artificial intelligence techniques have allowed us to identify
the most relevant features and some interesting association rules from
previously collected homeless data.
- Abstract（参考訳）: ホームレスは社会的・健康的な問題であり、ヨーロッパでは大きな反響がある。
多くの非政府組織はホームレスの人々に大量の情報を収集し分析することで支援している。
しかしながら、これらのタスクは必ずしも実行が簡単ではなく、組織の他の義務を妨げます。
SINTECHプロジェクトは、データを迅速かつ容易に収集するモバイルアプリケーションと、収集したデータから興味深い情報を取得する人工知能ベースのソフトウェアという、2つの異なるツールを提案するために作成された。
最初のものは、一部のスペインの組織に配布され、ホームレスの人々の調査に使われている。
第2のツールは、異なる特徴選択と関連ルールマイニング方法を実装する。
これらの人工知能技術により、以前収集したホームレスデータから、最も関連する特徴といくつかの興味深い関連ルールを識別できるようになりました。
関連論文リスト
- ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-05-23T16:40:07Z) - Towards Measuring Ethicality of an Intelligent Assistive System [1.2961180148172198]
自律的なエンティティの存在は、これらのシステムの使用に関わる利害関係者に関する倫理的な課題を引き起こします。
IATが倫理規定にどのように準拠しているかを分析するには、研究の欠如がある。
本稿では,支援システムの倫理性を評価する方法を提案する。
論文 参考訳（メタデータ） (2023-02-28T14:59:17Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Does AI-Assisted Fact-Checking Disproportionately Benefit Majority
Groups Online? [0.0]
我々は,AI開発パイプラインの複数の段階にわたる多彩な表現が,AI支援事実チェックのメリットの分布に与える影響について検討する。
Topic-Aware, Community-Impacted Twitterシミュレータを用いて, ネットワーク内の情報伝達をシミュレートする。
本研究は,チェック・レジデンスモデルトレーニングデータのサンプリングとラベル付けのための代表的手法と平等主義的手法の両方が,多数派コミュニティにネットワーク全体の利益をもたらすことを示唆している。
論文 参考訳（メタデータ） (2023-02-07T22:41:37Z) - FacTeR-Check: Semi-automated fact-checking through Semantic Similarity
and Natural Language Inference [61.068947982746224]
FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。
このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。
この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
論文 参考訳（メタデータ） (2021-10-27T15:44:54Z) - TBCOV: Two Billion Multilingual COVID-19 Tweets with Sentiment, Entity,
Geo, and Gender Labels [5.267993069044648]
この研究は、新型コロナウイルス(COVID-19)のパンデミックに関連する20億以上の多言語ツイートを1年以上にわたって収集した大規模なTwitterデータセットTBCOVを提示する。
いくつかの最先端のディープラーニングモデルは、感情ラベル、名前付きエンティティ、人物の言及、組織、場所、ユーザータイプ、性別情報など、重要な属性でデータを強化するために使用される。
我々の感情と傾向分析は興味深い洞察を示し、TBCOVが重要なトピックを幅広くカバーしていることを確認する。
論文 参考訳（メタデータ） (2021-10-04T06:17:12Z) - Advanced Machine Learning Techniques for Fake News (Online
Disinformation) Detection: A Systematic Mapping Study [1.7121012334286438]
本稿では,情報戦争におけるフェイクニュースの歴史的展望と役割について述べる。
専門家の業績にのみ基づいたソリューションが分析される。
この研究の主な目的は、偽ニュースの検出における知識の現状を分析することである。
論文 参考訳（メタデータ） (2020-12-28T13:07:42Z) - Batch Exploration with Examples for Scalable Robotic Reinforcement
Learning [63.552788688544254]
BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。
BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
論文 参考訳（メタデータ） (2020-10-22T17:49:25Z) - Differential Privacy of Hierarchical Census Data: An Optimization
Approach [53.29035917495491]
国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。
最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。
本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
論文 参考訳（メタデータ） (2020-06-28T18:19:55Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z) - Curating Social Media Data [0.0]
本稿では,ソーシャルデータのクリーン化とキュレーションを可能にするデータキュレーションパイプラインであるCrowdCorrectを提案する。
当社のパイプラインは,既存の社内ツールを使用してソーシャルメディアデータのコーパスから自動機能抽出を行う。
このパイプラインの実装には、生データをキュレートするクラウドユーザの貢献を促進するために、マイクロタスクを自動生成するツールセットも含まれている。
論文 参考訳（メタデータ） (2020-02-21T10:07:15Z)
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。