論文の概要: Active Geospatial Search for Efficient Tenant Eviction Outreach

• arxiv url: http://arxiv.org/abs/2412.17854v1
• Date: Thu, 19 Dec 2024 23:40:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:56:58.071004
• Title: Active Geospatial Search for Efficient Tenant Eviction Outreach
• Title（参考訳）: 効率的なテナント推定アウトリーチのためのアクティブジオ空間探索
• Authors: Anindya Sarkar, Alex DiChristofano, Sanmay Das, Patrick J. Fowler, Nathan Jacobs, Yevgeniy Vorobeychik,
• Abstract要約: 本稿では,AGS(Active Geospatial Search)モデリングフレームワークを提案する。 AGSは、不動産レベルの情報を検索ポリシーに統合し、貸し出しユニットのシーケンスをキャンバスに識別し、その排除リスクを決定する。 提案手法は,基本手法よりも退行事例の逐次同定に有効であることが実証された。
• 参考スコア（独自算出の注目度）: 35.49031493446753
• License:
• Abstract: Tenant evictions threaten housing stability and are a major concern for many cities. An open question concerns whether data-driven methods enhance outreach programs that target at-risk tenants to mitigate their risk of eviction. We propose a novel active geospatial search (AGS) modeling framework for this problem. AGS integrates property-level information in a search policy that identifies a sequence of rental units to canvas to both determine their eviction risk and provide support if needed. We propose a hierarchical reinforcement learning approach to learn a search policy for AGS that scales to large urban areas containing thousands of parcels, balancing exploration and exploitation and accounting for travel costs and a budget constraint. Crucially, the search policy adapts online to newly discovered information about evictions. Evaluation using eviction data for a large urban area demonstrates that the proposed framework and algorithmic approach are considerably more effective at sequentially identifying eviction cases than baseline methods.
• Abstract（参考訳）: テナント排除は住宅の安定を脅かすものであり、多くの都市にとって大きな関心事である。 オープンな疑問は、データ駆動手法がリスクのあるテナントをターゲットにしたアウトリーチプログラムを強化し、退去のリスクを軽減するかどうかである。 本稿では,AGS(Active Geospatial Search)モデリングフレームワークを提案する。 AGSは、資産レベルの情報を検索ポリシーに統合し、賃貸ユニットのシーケンスをキャンバスに識別し、その排除リスクを判断し、必要に応じてサポートを提供する。 我々は,数千の区画を含む大都市にスケールするAGSの検索ポリシーを学習するための階層的強化学習手法を提案し,探索と利用のバランスをとり,旅行コストと予算制約を考慮に入れた。 重要なことに、検索ポリシーは、新たに発見された禁止に関する情報にオンラインで適応する。 大規模都市部における推定データを用いた評価は,提案手法の枠組みとアルゴリズム的手法が,ベースライン法よりも逐次排除事例の同定に有効であることを示す。

関連論文リスト

• Proactive Depot Discovery: A Generative Framework for Flexible Location-Routing [4.48890356952206]
  位置情報ルーティング問題(LRP)のデポを積極的に生成するデータ駆動型DRLフレームワークを提案する。 我々のフレームワークは、ルーティングコストの低い優れたソリューションルートにつながるデポを積極的に生成することができる。 我々の枠組みは、特に救急医療救助や災害救助の物流において、現実世界の応用にまで拡大する可能性がある。
  論文  参考訳（メタデータ） (2025-02-17T12:00:28Z)
• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Corpus Poisoning via Approximate Greedy Gradient Descent [48.5847914481222]
  本稿では,HotFlip法をベースとした高密度検索システムに対する新たな攻撃手法として,近似グレディ・グラディエント・Descentを提案する。 提案手法は,複数のデータセットと複数のレトリバーを用いて高い攻撃成功率を達成し,未知のクエリや新しいドメインに一般化可能であることを示す。
  論文  参考訳（メタデータ） (2024-06-07T17:02:35Z)
• Desk-AId: Humanitarian Aid Desk Assessment with Geospatial AI for Predicting Landmine Areas [2.105636394911375]
  Desk-AIdは地雷に特化したGeospatial AIアプローチを使用している。 提案システムでは, 確実な危険領域に対して, 地道のみを有するという課題に対処する。 地雷リスク評価のための2つの領域におけるDesk-Aidの評価実験 : 1)国全体で,2)未養殖地域を対象にした。
  論文  参考訳（メタデータ） (2024-05-15T15:39:35Z)
• Beyond Eviction Prediction: Leveraging Local Spatiotemporal Public Records to Inform Action [11.183319154396369]
  我々は、リスクスコアを生成し、これらのリスクスコアを使用して目標とするアウトリーチポリシーを計画する、退避予測タスクを実行します。 リスクスコアが実際に有用であることを示し、ケースワーカーの理論的チームが同じ時間内により多くのエビクションを発生させる特性に到達できるようにする。 また,リスク予測と目標アウトリーチの両面において,地域的・所有権的特徴の重要性についても論じる。
  論文  参考訳（メタデータ） (2024-01-27T09:29:11Z)
• On the Security Risks of Knowledge Graph Reasoning [71.64027889145261]
  我々は、敵の目標、知識、攻撃ベクトルに応じて、KGRに対するセキュリティ脅威を体系化する。 我々は、このような脅威をインスタンス化する新しいタイプの攻撃であるROARを提示する。 ROARに対する潜在的な対策として,潜在的に有毒な知識のフィルタリングや,対向的な拡張クエリによるトレーニングについて検討する。
  論文  参考訳（メタデータ） (2023-05-03T18:47:42Z)
• Dwelling Type Classification for Disaster Risk Assessment Using Satellite Imagery [3.88838725116957]
  周辺地域の危険度とリスク評価は, 災害対策に不可欠である。 既存のシステムは、時間と費用のかかるフィールドサーベイに依存するため、警告を解読し、超局所的なレベルでリスクの正確な範囲を評価するスケーラブルな方法を提供していない。 この研究において、機械学習は住居とそのタイプを特定するプロセスを自動化するために使用され、潜在的に効果的な災害脆弱性評価システムを構築した。
  論文  参考訳（メタデータ） (2022-11-16T03:08:15Z)
• Visual Perception of Building and Household Vulnerability from Streets [0.294944680995069]
  発展途上国では、コードの構築は時代遅れまたは強制されないことが多い。 住宅の大部分が基準以下であり、自然災害や気候関連の出来事に弱い。 本稿では,最初のキャプチャと将来の更新に費用効率のよい評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-28T15:35:47Z)
• Reannealing of Decaying Exploration Based On Heuristic Measure in Deep Q-Network [82.20059754270302]
  本稿では,再熱処理の概念に基づくアルゴリズムを提案し,必要なときにのみ探索を促進することを目的とする。 我々は、訓練を加速し、より良い政策を得る可能性を示す実証的なケーススタディを実施している。
  論文  参考訳（メタデータ） (2020-09-29T20:40:00Z)
• Hierarchical Adaptive Contextual Bandits for Resource Constraint based Recommendation [49.69139684065241]
  コンテキスト多重武装バンディット(MAB)は、様々な問題において最先端のパフォーマンスを達成する。 本稿では,階層型適応型文脈帯域幅法(HATCH)を提案する。
  論文  参考訳（メタデータ） (2020-04-02T17:04:52Z)

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。