論文の概要: Understanding Housing and Homelessness System Access by Linking Administrative Data

• arxiv url: http://arxiv.org/abs/2505.08743v1
• Date: Tue, 13 May 2025 16:57:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.682089
• Title: Understanding Housing and Homelessness System Access by Linking Administrative Data
• Title（参考訳）: 行政データのリンクによる住宅とホームレスのシステムアクセスの理解
• Authors: Geoffrey G. Messier, Sam Elliott, Dallas Seitz,
• Abstract要約: 本稿では,北米の主要都市の住宅・ホームレスケアシステム(HHSC)における235,000件以上の記録を,プライバシ保護手法を用いてリンクする。 複数の機械学習ペアワイズリンクと2つのクラスタリングアルゴリズムが、データ内の潜任者のプロファイルをマージするために評価されている。
• 参考スコア（独自算出の注目度）: 1.3654846342364308
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper uses privacy preserving methods to link over 235,000 records in the housing and homelessness system of care (HHSC) of a major North American city. Several machine learning pairwise linkage and two clustering algorithms are evaluated for merging the profiles for latent individuals in the data. Importantly, these methods are evaluated using both traditional machine learning metrics and HHSC system use metrics generated using the linked data. The results demonstrate that privacy preserving linkage methods are an effective and practical method for understanding how a single person interacts with multiple agencies across an HHSC. They also show that performance differences between linkage techniques are amplified when evaluated using HHSC domain specific metrics like number of emergency homeless shelter stays, length of time interacting with an HHSC and number of emergency shelters visited per person.
• Abstract（参考訳）: 本稿では,北米の主要都市の住宅・ホームレスケアシステム(HHSC)における235,000件以上の記録を,プライバシ保護手法を用いてリンクする。 複数の機械学習ペアワイズリンクと2つのクラスタリングアルゴリズムが、データ内の潜任者のプロファイルをマージするために評価されている。 重要な点として、これらの手法は従来の機械学習メトリクスとHHSCシステム利用メトリクスの両方を用いて評価される。 以上の結果から,HHSCを横断する複数のエージェンシーとの相互作用を理解する上で,プライバシ保護リンク手法は効果的かつ実践的な手法であることが示唆された。 また,HHSCの緊急避難所数,HHSCとの対話時間,訪問者1人当たりの緊急避難所数といった,HHSCドメイン固有の指標を用いて,リンク手法のパフォーマンスの違いが評価された。

関連論文リスト

• Adaptive and Robust DBSCAN with Multi-agent Reinforcement Learning [53.527506374566485]
  本稿では,多エージェント強化学習クラスタフレームワーク,すなわちAR-DBSCANを用いた新しいAdaptive and Robust DBSCANを提案する。 我々は、AR-DBSCANが、NMIおよびARIメトリクスの最大144.1%と175.3%のクラスタリング精度を向上するだけでなく、支配的なパラメータを確実に見つけることができることを示した。
  論文  参考訳（メタデータ） (2025-05-07T11:37:23Z)
• Deep Learning-Based Point Cloud Registration: A Comprehensive Survey and Taxonomy [79.66031973540946]
  深層学習に基づくポイントクラウド登録(DL-PCR)に関する総合的な調査と分類について述べる。 DL-PCR法では,登録手続きを含む重要な側面から議論を整理する。 我々はこれらを,ポイント・ツー・ポイント対応の明示的な識別を必要とするかどうかに応じて,対応ベースおよび対応不要なアプローチに分類する。
  論文  参考訳（メタデータ） (2024-04-22T02:05:15Z)
• Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and Spatio-Temporal Consistency ID Re-Assignment [22.531044994763487]
  本稿では,アンカークラスタリング誘導を用いたマルチカメラによる複数人物追跡手法を提案する。 提案手法は,各個人固有の重要な特徴を特定することによって,トラッキングの精度を向上させることを目的としている。 この手法は, 合成データと実世界のデータの両方を扱う上で, 堅牢性と有効性を示した。
  論文  参考訳（メタデータ） (2023-04-19T07:38:15Z)
• Hyperspherical Consistency Regularization [45.00073340936437]
  我々は,自己教師あり学習と教師あり学習の関係について検討し,自己教師あり学習がデータ効率のよい深層学習にどのように役立つかを検討する。 超球面整合正則化(HCR)を提案し,特徴依存情報を用いた分類器の正規化を行い,ラベルからのバイアスを回避する。
  論文  参考訳（メタデータ） (2022-06-02T02:41:13Z)
• Self-Attention Neural Bag-of-Features [103.70855797025689]
  我々は最近導入された2D-Attentionの上に構築し、注意学習方法論を再構築する。 本稿では,関連情報を強調した2次元目視マスクを学習する機能・時間的アテンション機構を提案する。
  論文  参考訳（メタデータ） (2022-01-26T17:54:14Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Predicting Chronic Homelessness: The Importance of Comparing Algorithms using Client Histories [0.34376560669160383]
  より複雑なロジスティック回帰アルゴリズムとニューラルネットワークアルゴリズムとの比較を行った。 従来の二分分類性能指標では、機械学習アルゴリズムはしきい値法よりも優れた性能を示すが、3つのアルゴリズムで同定されたコホートのシェルターアクセス履歴を調べると、非常に類似した特徴を持つグループを選択することが示される。
  論文  参考訳（メタデータ） (2021-05-31T16:09:43Z)
• Decoupled and Memory-Reinforced Networks: Towards Effective Feature Learning for One-Step Person Search [65.51181219410763]
  歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。 現在のワンステップアプローチには2つの大きな課題があります。 本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
  論文  参考訳（メタデータ） (2021-02-22T06:19:45Z)
• Stable and consistent density-based clustering via multiparameter persistence [77.34726150561087]
  トポロジカルデータ解析による次数-リップス構成について考察する。 我々は,入力データの摂動に対する安定性を,通信間距離を用いて解析する。 私たちはこれらのメソッドを、Persistableと呼ばれる密度ベースのクラスタリングのためのパイプラインに統合します。
  論文  参考訳（メタデータ） (2020-05-18T19:45:04Z)

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。