难民安置中的匹配、预测与反事实损害

安置机构开始采用数据驱动的算法匹配来匹配难民到地点，使用就业率作为效用衡量标准。给定一个难民池，数据驱动的算法匹配利用分类器预测每个难民在任意给定地点找到就业的概率。然后，它使用预测的概率来估计所有可能安置决策的预期效用。最后，它通过求解最大权二分匹配问题来找到最大化预测效用的安置决策。在本工作中，我们认为，使用现有解决方案，可能存在一些难民池对于数据驱动的算法匹配是（反事实上）有害的——如果过去使用的默认策略被采用，它将实现更低的效用。然后，我们开发了一个后处理算法，该算法给定一个默认策略在难民池及其就业结果上的安置决策，解一个逆匹配问题，以最小方式修改给定分类器所做的预测。在这些修改后的预测下，最大化预测效用的最优匹配政策被保证不会有害。进一步，我们引入了一个Transformer模型，给定一个默认策略在多个难民池及其就业结果上的安置决策，学习修改给定分类器所做的预测，以便在未看见的难民池上的最优匹配政策在修改后的预测下不太可能有害于原始预测。使用来自多种公开数据创建的合成难民数据的模拟安置过程的实验表明，我们的方法可能在使算法安置决策不太可能有害于现有解决方案方面是有效的。