A Multi-agent architecture for labeling data and generating prediction models in the field of social services

Serrano Fernández, Emilio; Pozo Jiménez, Pedro del; Suárez-Figueroa, Mari Carmen; González Pachón, Jacinto; Bajo Pérez, Javier y Gómez Pérez, Asunción (2017). A Multi-agent architecture for labeling data and generating prediction models in the field of social services. En: "International Conference on Practical Applications of Agents and Multi-Agent Systems (PAAMS 2017)", 21-23 Jun 2017, Oporto, Portugal. ISBN 978-3-319-60285-1. pp. 177-184. https://doi.org/10.1007/978-3-319-60285-1_15.

Descripción

Título: A Multi-agent architecture for labeling data and generating prediction models in the field of social services
Autor/es:
  • Serrano Fernández, Emilio
  • Pozo Jiménez, Pedro del
  • Suárez-Figueroa, Mari Carmen
  • González Pachón, Jacinto
  • Bajo Pérez, Javier
  • Gómez Pérez, Asunción
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: International Conference on Practical Applications of Agents and Multi-Agent Systems (PAAMS 2017)
Fechas del Evento: 21-23 Jun 2017
Lugar del Evento: Oporto, Portugal
Título del Libro: Highlights of Practical Applications of Cyber-Physical Multi-Agent Systems
Fecha: 2017
ISBN: 978-3-319-60285-1
Volumen: 722
Materias:
Palabras Clave Informales: Multi-agent systems; Human-agent societies; Social services; Machine learnin
Escuela: E.T.S. de Ingenieros Informáticos (UPM)
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

Prediction models are widely used in insurance companies and health services. Even when 120 million people are at risk of suffering poverty or social exclusion in the EU, this kind of models are surprisingly unusual in the field of social services. A fundamental reason for this gap is the difficulty in labeling and annotating social services data. Conditions such as social exclusion require a case-by-case debate. This paper presents a multi-agent architecture that combines semantic web technologies, exploratory data analysis techniques, and supervised machine learning methods. The architecture oers a holistic view of the main challenges involved in labeling data and generating prediction models for social services. Moreover, the proposal discusses to what extent these tasks may be automated by intelligent agents.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTIN2016-78011-C4-4-RSin especificarUniversidad Politécnica de MadridDatos 4.0: retos y soluciones

Más información

ID de Registro: 50227
Identificador DC: http://oa.upm.es/50227/
Identificador OAI: oai:oa.upm.es:50227
Identificador DOI: 10.1007/978-3-319-60285-1_15
URL Oficial: https://link.springer.com/chapter/10.1007/978-3-319-60285-1_15
Depositado por: Memoria Investigacion
Depositado el: 06 Feb 2019 10:32
Ultima Modificación: 06 Feb 2019 10:32
  • InvestigaM
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM