Predictive Modeling of Homeless Service Assignment: A Representation Learning Approach

要約

近年、ホームレスサービスの割り当てに機械学習を活用することへの関心が高まっています。
しかし、ホームレス個人について記録された行政データのカテゴリ的な性質が、このタスクのための正確な機械学習手法の開発を妨げています。
この研究は、そのような特徴の潜在的な表現を導き出すと同時に、インスタンス間の基礎的な関係を活用することが、既存の割り当て意思決定プロセスをアルゴリズム的に強化する上で重要であることを主張しています。
私たちが提案するアプローチは、履歴データからサービス間の時間的および機能的な関係だけでなく、観察されていないが関連する個人間の関係を学習して、次のサービス割り当ての予測を最新技術と比較して大幅に向上させる特徴を生成します。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google