介護施設紹介コールセンタ記録のアンサンブル学習による将来予測と傾向分析

• Item type: Journal(1)
• 公開日: 2018-10-15
• タイトル: 介護施設紹介コールセンタ記録のアンサンブル学習による将来予測と傾向分析
• タイトル / 言語: en
• タイトル: Future Prediction and Trend Analysis by Ensemble Learning of Call Center Log Introducing Caregiving Facilities
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ユビキタスコンピューティングシステム(Ⅶ)] データマイニング，将来予測，XGBoost，介護，コールセンタ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 九州工業大学
• 著者所属: 九州工業大学
• 著者所属: 株式会社LIFULL
• 著者所属(英): en
• 著者所属(英): Kyushu Institute of Technology
• 著者所属(英): en
• 著者所属(英): Kyushu Institute of Technology
• 著者所属(英): en
• 著者所属(英): LIFULL Co., Ltd.
• 著者名: 松木, 萌; 井上, 創造; 清田, 陽司
• 著者名(英): Moe, Matsuki; Sozo, Inoue; Yoji, Kiyota
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 介護施設紹介コールセンタの記録データをアンサンブル学習を用いて傾向分析や将来予測を行い，「コールセンタ」「介護施設」「相談者と入居者」の三者にとって有用な知見を取得する．介護分野における問題に対して，現場のデータを分析し問題解決に有用な知見を得る研究は多くあるが，それらは入居後の問題解決に向けたデータ分析がほとんどである．本研究では，介護施設入居前の分析も重要と考え，入居前の相談を受付けるコールセンタの記録データを分析する．分析方法は，アンサンブル学習を用いて，説明変数の属性値を2値化し，属性の重要度と目的変数に対する正負の相関を同時に可視化した．記録データは，相談者1名に対し1行，「性別」や「介護度」のような属性を列とした，7,685行106列の行列データである．分析の結果，記録に欠損が多い人は成約に至らないことや，交通手段が見学に行くかどうかの重要な要因であること，「見学するかどうか」は機械学習による精度が96.8%であること，入居決定の決め手は「介護サービス」ではなく，「きれいさ」や「印象」，「距離」であることなど，10件ほどの知見を取得した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we analyze the trend and predict the future with the recorded data at a call center which introduces caregiving facilities to residents who will be living in. We exploit ensemble machine learning in order to get useful knowledge for three parties, who are “the call center”, “caregiving facilities” and “prospective residents”. Although there are many data analysis research to solve the problems in the caregiving field, they focus on when living in the facilities. In this paper, we analyze the recorded data at a call center to introduce caregiving facilities. The recording data are matrix data of 7,685 rows and 106 columns, with one row for one client, and each column represents the attribute such as “gender” and “degree of care”. In the analysis, first, we changed the explanatory variables to binary. Second, we visualized the importance of attributes and the correlation between positive or negative values for objective variables at the same time by using ensemble learning. As a result, we obtained about 10 findings such that the customers with missing recorded data tends not to contract with a facility, the accesses to facilities are important factor for the decision, the accuracy predicting “whether to observe” achieved 96.8%, and the factor of the decision is not “caregiving service” but “cleaning”, “impression”, “distance”.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 59, 号 10, p. 1837-1852, 発行日 2018-10-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764