文献

J-GLOBAL ID：201702272668178166   整理番号：17A1120490

異種情報からの二重不確実性最小化を用いた法的予測【Powered by NICT】

Legislative prediction with dual uncertainty minimization from heterogeneous information

著者 (4件)： Cheng Yu (IBM T.J. Watson Center of Computational Healthcare Research Center, Yorktown Heights, NY 10598, USA) ,  Agrawal Ankit (EECS Department, Northwestern University, Evanston, IL 60208, USA) ,  Liu Huan (Computer Science and Engineering, Arizona State University, Tempe, AZ 85281, USA) ,  Choudhary Alok (EECS Department, Northwestern University, Evanston, IL 60208, USA)
資料名： Statistical Analysis and Data Mining  (Statistical Analysis and Data Mining)
巻： 10  号： 2  ページ： 107-120  発行年： 2017年 
JST資料番号： W2749A  ISSN： 1932-1864  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 新しい則を形成する法的請求書に投票が最も議会の重要な機能として役立つ。な審議体の投票を予測する政府の政策のより良い理解をもたらし,社会的利益のための実用的な戦略を生成する。しかし,政治的意思決定プロセスに影響する無数の因子に起因する立法投票を予測することは非常に困難である。本論文では,すなわち,くちばしテキストと立法のプロファイルデータ,公的にアクセス可能な異種データの使用は,有効な法的予測を行うために最大化する新しい予測モデルを提案した。特に,企業法的基底を反映した投票予測の最小不確定性を確保するしばしば立法でおさえながら,過去票記録と高い一致度を確率論的予測モデルを設計することを提案した。添加では,提案された法的予測モデルは次の特性:誘導と解析解,新しい紙幣と新しい立法者の予測に対処するための能力,失われた投票問題に対するロバスト性を持っている。米国議会の共同セッションからの実際の法的データを用いて包括的な経験的研究を行い,定量的政治学とデータマイニングコミュニティにおいて,他の代表的な方法と比較した。実験結果は,提案した方法が可視性能利得をもつ優れた予測精度を与えることを裏付けた。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： アメリカ合衆国 ,  *不確実性 ,  確率論 ,  投票 ,  予測モデル ,  *予測 ,  学習 ,  解析的解法 ,  可視度 ,  ロバスト性 ,  利得
準シソーラス用語： 予測精度 ,  政治学 ,  異種データ ,  議会 , 【Automatic Indexing@JST】

著者キーワード (3件)： 法的予測 ,  異種情報 ,  二重視野学習

分類 (5件)： 資材管理  (KB05020S) ,  運輸交通・サービス一般  (TA01010L) ,  産業経済  (KA02000Y) ,  道路輸送・サービス一般  (TB01010O) ,  品質管理一般  (KB04010A)

タイトルに関連する用語 (3件)： 不確実性 ,  最小化 ,  予測