論文の概要: Discovering Sparse Counterfactual Factors via Latent Adjustment for Survey-based Community Intervention

• arxiv url: http://arxiv.org/abs/2605.04460v2
• Date: Fri, 08 May 2026 15:15:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 16:31:22.834435
• Title: Discovering Sparse Counterfactual Factors via Latent Adjustment for Survey-based Community Intervention
• Title（参考訳）: 調査に基づくコミュニティ介入のための潜時調整による疎度要因の発見
• Authors: Fatima Ashraf, Muhammad Ayub Sabir, Junbiao Pang, Yufang Zhou, Yan Shang,
• Abstract要約: 交通調査は、旅行の好みや採用障壁を理解するために広く利用されている。 本研究は,調査回答からスパース・デファクト・コミュニティの介入について考察する。 我々は、このタスクを政策実現可能な分布アライメント問題として定式化する。
• 参考スコア（独自算出の注目度）: 5.819197169906577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transportation surveys are widely used to understand travel preferences and adoption barriers, yet most survey-based analyses remain descriptive or predictive and rarely provide sparse, policy-feasible intervention strategies. We study sparse counterfactual community intervention from survey responses, where the goal is to shift a target respondent group toward a desired reference group through controllable survey-variable adjustments. We formulate this task as a policy-feasible distributional alignment problem using a fixed-basis nonnegative latent representation that preserves pre/post comparability and provides a stable map from latent factors to original variables. To make latent movement actionable, target-relevant latent factors are identified through Shapley-guided attribution and transferred to controllable variables as intervention priorities. Feasible group-level adjustments are then learned by minimizing an entropy-regularized optimal-transport discrepancy between the post-intervention target distribution and the reference distribution, together with a weighted $\ell_{2,1}$ penalty that promotes shared policy-lever sparsity. Experiments on real-world transportation survey datasets show that the proposed framework produces compact and interpretable policy-feasible interventions with explicit adjustment magnitudes, improves population-level conversion, and preserves intervention sparsity. Code and datasets are publicly available at: https://github.com/pangjunbiao/latent-group-alignment.git
• Abstract（参考訳）: 交通調査は、旅行の嗜好や導入障壁を理解するために広く利用されているが、ほとんどの調査に基づく分析は、説明的あるいは予測的であり、スパースで政策可能な介入戦略を提供することはめったにない。 そこでは,対象の回答群を所望の参照群にシフトさせることを目標とし,制御可能な調査変数の調整を行うことで,調査応答からの疎い反事実的コミュニティ介入について検討する。 我々は、このタスクを、事前/ポストのコンパビリティを保ち、潜在因子から元の変数への安定写像を提供する固定基底非負の潜在表現を用いて、ポリシー実現可能な分布アライメント問題として定式化する。 潜伏動作を実行可能なものにするために、シャプリー誘導帰属を介して目標関連潜伏因子を同定し、介入優先として制御可能な変数に転送する。 有効群レベルの調整は、発明後の目標分布と基準分布とのエントロピー規則化された最適輸送不一致を最小化し、共有ポリシーレバーの間隔を促進する重み付き$\ell_{2,1}$ペナルティを学習する。 実世界の交通調査データセットを用いた実験により、提案手法は、明示的な調整の規模で、コンパクトかつ解釈可能な政策実現可能な介入を生成し、人口レベルの変換を改善し、介入間隔を保ちます。 コードとデータセットは、https://github.com/pangjunbiao/latent-group-alignment.gitで公開されている。

関連論文リスト

• Demographic Parity Tails for Regression [3.7341453130918922]
  本稿では,DP 下での回帰のための新しいフレームワークを提案し,センシティブなグループ間のターゲット分布のテールに着目した。 我々は最適輸送の幾何学的構造を利用する解釈可能かつ柔軟なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2026-04-02T13:20:33Z)
• Evidence-based Distributional Alignment for Large Language Models [58.65469623911573]
  LLM分布推定の忠実度とロバスト性を改善する証拠に基づくアライメント手法であるEvi-DAを提案する。 対象国が与えられた場合、Evi-DAは関連するWorld Values Survey項目とその回答分布を検索し、オプション毎に粗いヴェルツェル値シグネチャを予測し、国条件の回答分布を構造化形式で推測する。
  論文  参考訳（メタデータ） (2026-03-03T03:34:06Z)
• Causal Imitation Learning Under Measurement Error and Distribution Shift [6.038778620145853]
  ノイズ測定によってのみ、決定関連状態の一部が観察される場合、オフライン模倣学習(IL)について検討する。 本稿では,変数間の因果関係を明示的にモデル化することによって,測定誤差下でのILの一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-29T18:06:53Z)
• Stochastic Path Planning in Correlated Obstacle Fields [1.8184089804625951]
  本研究では,不確実な状態の空間的相関障害を有するナビゲーション環境であるSCOS(Correlated Obstacle Scene)問題を紹介する。 我々は,ブロック確率を洗練させるベイズ的信念更新を開発し,その後部を用いて探索空間を効率よく削減する。 このフレームワークは、敵の割り込みやクラスタ化された自然災害のある環境でのナビゲーション上の課題に対処する。
  論文  参考訳（メタデータ） (2025-09-23T20:30:35Z)
• 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)
• Adapting to Latent Subgroup Shifts via Concepts and Proxies [82.01141290360562]
  最適ターゲット予測器は、ソースドメインでのみ利用できる概念とプロキシ変数の助けを借りて、非パラメトリックに識別可能であることを示す。 本研究では,データ生成プロセスに特有の潜在変数モデルを提案する。
  論文  参考訳（メタデータ） (2022-12-21T18:30:22Z)
• Disentanglement of Correlated Factors via Hausdorff Factorized Support [53.23740352226391]
  本稿では,因子分布ではなく,因子化支援を助長する緩やかな解離基準,HFS(Hausdorff Factorized Support)基準を提案する。 本研究では,HFSを用いることにより,様々な相関設定やベンチマークにおいて,接地構造因子の絡み合いと回復が一貫して促進されることを示す。
  論文  参考訳（メタデータ） (2022-10-13T20:46:42Z)
• Post-Contextual-Bandit Inference [57.88785630755165]
  コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。 研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。 研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
  論文  参考訳（メタデータ） (2021-06-01T12:01:51Z)
• GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
  重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。 我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。 結果として得られるアルゴリズム、GenDICEは単純で効果的である。
  論文  参考訳（メタデータ） (2020-02-21T00:27:52Z)

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。