論文の概要: Predictive Modeling of Homeless Service Assignment: A Representation Learning Approach

• arxiv url: http://arxiv.org/abs/2412.07747v1
• Date: Tue, 10 Dec 2024 18:47:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 14:38:35.982041
• Title: Predictive Modeling of Homeless Service Assignment: A Representation Learning Approach
• Title（参考訳）: ホームレスサービスアサインメントの予測モデリング:表現学習アプローチ
• Authors: Khandker Sadia Rahman, Charalampos Chelmis,
• Abstract要約: この研究は、そのような特徴の潜在表現を導出することが、既存の代入決定プロセスのアルゴリズム的強化に不可欠であると主張している。 提案手法は,履歴データからサービス間の時間的・機能的関係を学習し,また,個人間の関連性を考慮し,次のサービス割り当ての予測を大幅に改善する特徴を生成する。
• 参考スコア（独自算出の注目度）: 2.812898346527047
• License:
• Abstract: In recent years, there has been growing interest in leveraging machine learning for homeless service assignment. However, the categorical nature of administrative data recorded for homeless individuals hinders the development of accurate machine learning methods for this task. This work asserts that deriving latent representations of such features, while at the same time leveraging underlying relationships between instances is crucial in algorithmically enhancing the existing assignment decision-making process. Our proposed approach learns temporal and functional relationships between services from historical data, as well as unobserved but relevant relationships between individuals to generate features that significantly improve the prediction of the next service assignment compared to the state-of-the-art.
• Abstract（参考訳）: 近年,ホームレスサービスへの機械学習活用への関心が高まっている。 しかし、ホームレスの個人に記録された管理データの分類学的性質は、このタスクの正確な機械学習手法の開発を妨げる。 この研究は、そのような特徴の潜在表現を導出すると同時に、インスタンス間の基盤となる関係を活用することが、既存の割り当て決定プロセスのアルゴリズム的強化に不可欠であると主張している。 提案手法は,過去のデータからサービス間の時間的・機能的関係を学習し,また個人間の非観測的・関連的な関係を学習し,次のサービス割り当ての予測を最先端技術と比較して著しく改善する特徴を生成する。

関連論文リスト

• Early stopping by correlating online indicators in neural networks [0.24578723416255746]
  本稿では,学習者の学習において過度に適合する現象を識別する新しい手法を提案する。 提案手法は,オンライン指標の収集における時間的相関を利用したものである。 一つの基準に焦点をあてた従来のアプローチとは対照的に、独立性評価の助成を生かしている。
  論文  参考訳（メタデータ） (2024-02-04T14:57:20Z)
• Feature Selection: A perspective on inter-attribute cooperation [0.0]
  高次元データセットは、データマイニングと機械学習におけるタスク学習の課題を描いている。 特徴選択は次元削減に有効な手法である。 本稿では,機能間協調によるフィルタ特徴選択手法に関する最新の研究について述べる。
  論文  参考訳（メタデータ） (2023-06-28T21:00:52Z)
• "You might think about slightly revising the title": identifying hedges in peer-tutoring interactions [1.0466434989449724]
  ヘッジは会話の相互作用の管理において重要な役割を果たす。 我々は、ヘッジを特定するための計算フレームワークを構築するために、マルチモーダルなピアチューニングデータセットを使用する。 我々は、ピアチューニング会話でヘッジを特徴付ける特徴を探索するために、モデル説明可能性ツールを使用します。
  論文  参考訳（メタデータ） (2023-06-18T12:47:54Z)
• Using Positive Matching Contrastive Loss with Facial Action Units to mitigate bias in Facial Expression Recognition [6.015556590955814]
  本稿では、モデルがドメイン知識を用いてタスク関連機能に焦点をあてることによりバイアスを軽減することを提案する。 本手法を用いてタスク関連機能を組み込むことで,最小コストでモデルフェアネスを向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-03-08T21:28:02Z)
• On Generalizing Beyond Domains in Cross-Domain Continual Learning [91.56748415975683]
  ディープニューラルネットワークは、新しいタスクを学んだ後、これまで学んだ知識の破滅的な忘れ込みに悩まされることが多い。 提案手法は、ドメインシフト中の新しいタスクを精度良く学習することで、DomainNetやOfficeHomeといった挑戦的なデータセットで最大10%向上する。
  論文  参考訳（メタデータ） (2022-03-08T09:57:48Z)
• Learning from Heterogeneous Data Based on Social Interactions over Graphs [58.34060409467834]
  本研究では,個別のエージェントが異なる次元のストリーミング特徴を観察しながら分類問題の解決を目指す分散アーキテクチャを提案する。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。 私たちはそれを示します。 戦略により、エージェントはこの高度に異質な環境下で一貫して学習することができる。
  論文  参考訳（メタデータ） (2021-12-17T12:47:18Z)
• One-shot Learning for Temporal Knowledge Graphs [49.41854171118697]
  時間的知識グラフにおけるリンク予測のためのワンショット学習フレームワークを提案する。 提案手法は,実体間の時間的相互作用を効果的に符号化する自己認識機構を用いる。 実験の結果,提案アルゴリズムは2つのよく研究されたベンチマークにおいて,アートベースラインの状態よりも優れていた。
  論文  参考訳（メタデータ） (2020-10-23T03:24:44Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Cost-effective Interactive Attention Learning with Neural Attention Processes [79.8115563067513]
  対話型注意学習(Interactive Attention Learning, IAL)と呼ばれる対話型学習フレームワークを提案する。 IALは、人間のアノテーションが不足しているため、過度に適合する傾向がある。 我々は,サンプル効率のよい注意機構と,コスト効率のよいインスタンスと機能の再ランクアルゴリズムを提案することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2020-06-09T17:36:41Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。