論文の概要: Syndromic surveillance using search query logs and user location
information from smartphones against COVID-19 clusters in Japan
- arxiv url: http://arxiv.org/abs/2004.10100v1
- Date: Tue, 21 Apr 2020 15:21:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 20:41:26.063324
- Title: Syndromic surveillance using search query logs and user location
information from smartphones against COVID-19 clusters in Japan
- Title（参考訳）: スマートフォンからの検索クエリログとユーザ位置情報を用いた日本の新型コロナウイルスクラスターに対するシンドロミック監視
- Authors: Shohei Hisada, Taichi Murayama, Kota Tsubouchi, Sumio Fujita, Shuntaro
Yada, Shoko Wakamiya, and Eiji Aramaki
- Abstract要約: 2020年2月に北海道で2つの集団が確認された。
クラスタの取得には,Web検索クエリログとスマートフォンからのユーザ位置情報を用いる。
- 参考スコア（独自算出の注目度）: 9.739774525271082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: [Background] Two clusters of coronavirus disease 2019 (COVID-19) were
confirmed in Hokkaido, Japan in February 2020. To capture the clusters, this
study employs Web search query logs and user location information from
smartphones. [Material and Methods] First, we anonymously identified smartphone
users who used a Web search engine (Yahoo! JAPAN Search) for the COVID-19 or
its symptoms via its companion application for smartphones (Yahoo Japan App).
We regard these searchers as Web searchers who are suspicious of their own
COVID-19 infection (WSSCI). Second, we extracted the location of the WSSCI via
the smartphone application. The spatio-temporal distribution of the number of
WSSCI are compared with the actual location of the known two clusters. [Result
and Discussion] Before the early stage of the cluster development, we could
confirm several WSSCI, which demonstrated the basic feasibility of our
WSSCI-based approach. However, it is accurate only in the early stage, and it
was biased after the public announcement of the cluster development. For the
case where the other cluster-related resources, such as fine-grained population
statistics, are not available, the proposed metric would be helpful to catch
the hint of emerging clusters.
- Abstract（参考訳）: 背景】2020年2月に北海道で2つの新型コロナウイルス感染症(COVID-19)が確認された。
クラスタの取得には,Web検索クエリログとスマートフォンからのユーザ位置情報を用いる。
まず、新型コロナウイルス(COVID-19)やその症状にWeb検索エンジン(Yahoo! Japan Search)を使ったスマートフォンユーザーを、スマートフォン(Yahoo Japan App)のアプリを通じて匿名で特定しました。
我々は、これらのサーチターを、自身のcovid-19感染(wssci)に疑念を抱くウェブサーチターとみなしている。
第2に,スマートフォンアプリケーションを用いてWSSCIの位置を抽出した。
WSSCIの数の時空間分布は、既知の2つのクラスタの実際の位置と比較される。
結果と議論] クラスタ開発の初期段階の前に、いくつかのWSSCIを確認し、WSSCIベースのアプローチの基本的な実現可能性を示しました。
しかし、これは初期の段階でしか正確ではなく、クラスタ開発の発表後にバイアスがかかっていた。
細粒度人口統計などの他のクラスター関連資源が利用できない場合、提案された指標は、新興クラスタのヒントを捉えるのに役立つだろう。
関連論文リスト
- GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - Uncovering local aggregated air quality index with smartphone captured
images leveraging efficient deep convolutional neural network [3.158586258239505]
我々は、1,000枚以上の屋外画像を撮影、注釈付けしてトレーニングするディープ畳み込みニューラルネットワーク(DCNN)を開発した。
トレーニング中に相関指標を確立し,PM2.5濃度の絵ベースの予測器として機能する能力を高める。
我々のデータセットは、Dhakaによる大気画像と対応するPM2.5測定を含む、初めて公開されているコレクションである。
論文 参考訳（メタデータ） (2023-08-06T20:10:12Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳（メタデータ） (2022-11-02T01:42:20Z) - Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based
Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。
GREWは、野生における歩行認識のための最初の大規模データセットである。
SPOSGaitはNASベースの最初の歩行認識モデルである。
論文 参考訳（メタデータ） (2022-05-05T14:57:39Z) - Fine-Grained Population Mobility Data-Based Community-Level COVID-19
Prediction Model [5.548510262756311]
本研究では,2つの地域レベルのデータを利用した人口移動データモデル(FGC-COVID)を提案する。
CBGの埋め込みをコミュニティレベルに集約する空間重み付けアグリゲーションモジュールを導入する。
我々のモデルは、コミュニティレベルの新型コロナウイルスの予測において、既存の予測モデルよりも優れています。
論文 参考訳（メタデータ） (2022-02-13T08:40:47Z) - Classifying COVID-19 Spike Sequences from Geographic Location Using Deep
Learning [0.0]
我々はまず,$k$-merssを用いてSARS-CoV-2のスパイクタンパク質配列の数値表現を計算するアルゴリズムを提案する。
また、スパイク配列における異なるアミノ酸の重要性を、真のクラスラベルに対応する情報ゲインを計算することによって示す。
論文 参考訳（メタデータ） (2021-10-02T14:09:30Z) - OpenStreetMap data use cases during the early months of the COVID-19
pandemic [0.0]
OpenStreetMap (OSM) は、オープンアクセスライセンスの下で利用できるグローバルジオグラフィックデータベースである。
本章では、現在進行中のCOVID-19パンデミックの早期(2020年1月から7月)にOSMが果たす役割について述べる。
論文 参考訳（メタデータ） (2020-08-06T13:43:31Z) - Covidex: Neural Ranking Models and Keyword Search Infrastructure for the
COVID-19 Open Research Dataset [87.47567807116204]
Covidexは最新のニューラルランキングモデルを利用する検索エンジンだ。
これは、Allen Institute for AIがキュレートしたCOVID-19 Open Researchデータセットへのアクセスを提供する。
論文 参考訳（メタデータ） (2020-07-14T16:26:01Z) - CO-Search: COVID-19 Information Retrieval with Semantic Search, Question
Answering, and Abstractive Summarization [53.67205506042232]
CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。
ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。
TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
論文 参考訳（メタデータ） (2020-06-17T01:32:48Z) - AGATHA: Automatic Graph-mining And Transformer based Hypothesis
generation Approach [1.7954335118363964]
本稿では,発見過程の早い段階でデータ駆動的な洞察を導入する仮説生成システムを提案する。
AGATHAは、エンティティセット間で有効な用語ペアを優先し、新たな研究方向性を推奨します。
本システムは,確立したベンチマークにおいて,クラス内での最高の性能を実現する。
論文 参考訳（メタデータ） (2020-02-13T17:06:47Z) - NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization [101.13851473792334]
我々は,5,109枚の画像からなる大規模集束群集NWPU-Crowdを構築し,合計2,133,375個の点と箱を付加したアノテートヘッドを構築した。
他の実世界のデータセットと比較すると、様々な照明シーンを含み、最大密度範囲 (020,033) を持つ。
本稿では,データ特性について述べるとともに,主要なSOTA(State-of-the-art)手法の性能を評価し,新たなデータに生じる問題を分析する。
論文 参考訳（メタデータ） (2020-01-10T09:26:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。