論文の概要: PPCR-IM: A System for Multi-layer DAG-based Public Policy Consequence Reasoning and Social Indicator Mapping

• arxiv url: http://arxiv.org/abs/2602.21650v1
• Date: Wed, 25 Feb 2026 07:23:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.743391
• Title: PPCR-IM: A System for Multi-layer DAG-based Public Policy Consequence Reasoning and Social Indicator Mapping
• Title（参考訳）: PPCR-IM:多層DAGに基づく公共政策系列推論と社会指標マッピングのためのシステム
• Authors: Zichen Song, Weijia Li,
• Abstract要約: PPCR-IMは、DAGに基づく結果推論と社会指標マッピングのためのシステムである。 各ポリシエピソードに対して、DAG、インジケータマッピング、および3つの評価尺度を含む構造化レコードを出力する。
• 参考スコア（独自算出の注目度）: 17.48812927224403
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public policy decisions are typically justified using a narrow set of headline indicators, leaving many downstream social impacts unstructured and difficult to compare across policies. We propose PPCR-IM, a system for multi-layer DAG-based consequence reasoning and social indicator mapping that addresses this gap. Given a policy description and its context, PPCR-IM uses an LLM-driven, layer-wise generator to construct a directed acyclic graph of intermediate consequences, allowing child nodes to have multiple parents to capture joint influences. A mapping module then aligns these nodes to a fixed indicator set and assigns one of three qualitative impact directions: increase, decrease, or ambiguous change. For each policy episode, the system outputs a structured record containing the DAG, indicator mappings, and three evaluation measures: an expected-indicator coverage score, a discovery rate for overlooked but relevant indicators, and a relative focus ratio comparing the systems coverage to that of the government. PPCR-IM is available both as an online demo and as a configurable XLSX-to-JSON batch pipeline.
• Abstract（参考訳）: 公共政策決定は通常、限られた見出し指標を用いて正当化され、下流の社会的影響の多くは非構造的であり、政策全体を比較するのが困難である。 本稿では,多層DAGに基づく結果推論システムであるPPCR-IMと,このギャップに対処するソーシャルインジケータマッピングを提案する。 PPCR-IMは、ポリシー記述とそのコンテキストを考慮し、LCM駆動のレイヤーワイドジェネレータを使用して、中間結果の有向非循環グラフを構築し、子ノードに複数の親が共同で影響を捉えられるようにする。 マッピングモジュールは、これらのノードを固定されたインジケータセットに整列し、3つの定性的影響方向のうちの1つを割り当てる:増加、減少、曖昧な変化である。 各政策エピソードにおいて、システムは、DAG、指標マッピング、および3つの評価指標を含む構造化されたレコードを出力する:期待指標のカバレッジスコア、見過ごされているが関連する指標の発見率、システムのカバレッジを政府のそれと比較する相対焦点比。 PPCR-IMはオンラインデモと設定可能なXLSX-to-JSONバッチパイプラインの両方で利用できる。

関連論文リスト

• Model-Based Policy Adaptation for Closed-Loop End-to-End Autonomous Driving [54.46325690390831]
  本稿では,事前学習したE2E運転エージェントのロバスト性と安全性を高めるための汎用フレームワークとして,モデルベースポリシー適応(MPA)を提案する。 MPAは、ジオメトリ一貫性のあるシミュレーションエンジンを用いて、まず様々な対物軌道を生成する。 MPAは拡散ベースのポリシーアダプタを訓練し、基本方針の予測を洗練させ、Q値モデルを多段階に分けて長期的な結果を評価する。
  論文  参考訳（メタデータ） (2025-11-26T17:01:41Z)
• Partial Action Replacement: Tackling Distribution Shift in Offline MARL [11.861550409939818]
  オフラインマルチエージェント強化学習(MARL)は、アウト・オブ・ディストリビューション・ジョイント・アクションを評価することの難しさによって著しく妨げられている。 我々は、OOD問題を緩和し、異なるPAR戦略を動的に重み付けするために、SPaCQL(Soft-Partial conservative Q-Learning)を開発した。 また,SPaCQLは不確実性インフォームドウェイトを用いた分散シフトに適応的に対応していることを示す。
  論文  参考訳（メタデータ） (2025-11-10T20:56:58Z)
• Bayes-enhanced Multi-view Attention Networks for Robust POI Recommendation [81.4999547454189]
  既存の作業では、ユーザによって報告された利用可能なPOIチェックインが、ユーザ行動の真真正な描写であると仮定している。 実際のアプリケーションシナリオでは、主観的および客観的な原因の両方のため、チェックインデータは信頼性が低い。 本稿では,ユーザチェックインの不確実性に対処するため,ベイズ強化型マルチビュー注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T12:47:38Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
  グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。 我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。 データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
  論文  参考訳（メタデータ） (2022-11-02T01:42:20Z)
• RU-Net: Regularized Unrolling Network for Scene Graph Generation [92.95032610978511]
  シーングラフ生成(SGG)は、オブジェクトを検出し、各オブジェクト間の関係を予測することを目的としている。 既存のSGG法は,(1)あいまいな対象表現,2)関係予測の多様性の低下など,いくつかの問題に悩まされることが多い。 両問題に対処する正規化アンローリングネットワーク(RU-Net)を提案する。
  論文  参考訳（メタデータ） (2022-05-03T04:21:15Z)
• Dimensionality Reduction Meets Message Passing for Graph Node Embeddings [0.0]
  ノード埋め込みを教師なしで生成するための主成分分析(PCA)とメッセージパッシングを組み合わせたPCAPassを提案する。 提案手法は,ノード分類ベンチマークにおいて人気の高いGNNと比較して,競争性能が向上することを示す。 我々の研究は、メッセージパッシングとスキップ接続による次元性低減が、グラフ構造化データの長距離依存性を集約する上で有望なメカニズムであることを実証している。
  論文  参考訳（メタデータ） (2022-02-01T13:39:00Z)
• Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
  本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。 より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
  論文  参考訳（メタデータ） (2021-03-05T10:46:16Z)
• Adaptive Informative Path Planning with Multimodal Sensing [36.16721115973077]
  AIPPMS(マルチモーダルセンシング用MS) AIPPMSを部分的に観測可能なマルコフ決定プロセス(POMDP)として、オンラインプランニングで解決する。 シミュレーションされた検索・救助シナリオと,従来のRockSample問題への挑戦的拡張の2つの領域について,本手法の評価を行った。
  論文  参考訳（メタデータ） (2020-03-21T20:28:57Z)

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。