互信息评分：在类别聚类任务中增强可解释性及其在儿童福利数据中的应用
计算机与社会
2022-08-04 v1
摘要
美国寄养系统中的青少年比同龄人更有可能面临从无家可归到监禁等一系列负面人生结局。关于这些青少年的行政数据有潜力提供洞察，帮助识别改善其通往更好生活之路径的方法。然而，此类数据也存在多种偏差，从数据缺失到系统性不平等的反映。本工作提出了一种新颖的、规范性的方法，利用这些数据来提供关于数据偏差及其所追踪的系统与青少年的洞察。具体而言，我们开发了一种新颖的类别聚类与簇摘要方法，使我们能够洞察现有寄养青少年数据中微妙的偏差，并指出需要进一步（通常是定性）研究以识别潜在协助青少年方法的所在。
引用
@article{arxiv.2208.01802,
title = {Mutual Information Scoring: Increasing Interpretability in Categorical Clustering Tasks with Applications to Child Welfare Data},
author = {Pranav Sankhe and Seventy F. Hall and Melanie Sage and Maria Y. Rodriquez and Varun Chandola and Kenneth Joseph},
journal= {arXiv preprint arXiv:2208.01802},
year = {2022}
}