Fugu-MT 論文翻訳(概要): Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US

論文の概要: Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US

arxiv url: http://arxiv.org/abs/2005.00475v1
Date: Fri, 1 May 2020 16:27:50 GMT
ステータス: 処理完了
システム内更新日: 2023-05-21 14:49:24.536668
Title: Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US
Title（参考訳）: Twitterデータを用いた予防的危機管理のための早期アウトブレイク検出:米国におけるCOVID-19の事例
Authors: Erfaneh Gharavi, Neda Nazemi, Faraz Dadgostari
Abstract要約: 病気の流行の間、タイムリーな非医療的介入は、病気が流行し、究極的にはパンデミックになるのを防ぐのに重要である。この研究は、新型コロナウイルス(COVID-19)のパンデミック(パンデミック)を取り巻くツイッターの投稿を収集する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: During a disease outbreak, timely non-medical interventions are critical in preventing the disease from growing into an epidemic and ultimately a pandemic. However, taking quick measures requires the capability to detect the early warning signs of the outbreak. This work collects Twitter posts surrounding the 2020 COVID-19 pandemic expressing the most common symptoms of COVID-19 including cough and fever, geolocated to the United States. Through examining the variation in Twitter activities at the state level, we observed a temporal lag between the rises in the number of symptom reporting tweets and officially reported positive cases which varies between 5 to 19 days.
Abstract（参考訳）: 病気の流行の間、タイムリーな非医療的介入は、病気が流行し、最終的にパンデミックになるのを防ぐために重要である。しかし、迅速に対策を講じるには、感染の早期警戒信号を検出する能力が必要となる。この研究は、2020年の新型コロナウイルス(covid-19)パンデミック(covid-19)に関するtwitter投稿を集めている。国家レベルでのtwitter活動の変動を調べた結果,ツイートの報告回数の増加と,5日から19日の間で報告された陽性例との間には,時間的ラグがみられた。

関連論文リスト

Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
論文参考訳（メタデータ） (2024-04-02T06:31:17Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
The relationship between sentiment score and COVID-19 cases in the United States [0.0]
我々は、新型コロナウイルス関連ツイートから感情スコアと意見を抽出する枠組みを検討する。ユーザーの感情と米国中の新型コロナウイルス感染者を結びつけるとともに、特定の新型コロナウイルスのマイルストーンが公衆の感情に与える影響を調査します。
論文参考訳（メタデータ） (2022-01-09T01:07:13Z)
Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文参考訳（メタデータ） (2020-06-23T03:36:19Z)
Quarantine Fatigue: first-ever decrease in social distancing measures after the COVID-19 outbreak before reopening United States [15.737369464142605]
ソーシャルディスタンシング指標(Social Distancing Index, SDI)パターンでは, 4月初旬の台地ステージが約2週間続いた。変更率(ROC)法は,4月15日と推定された検疫疲労の開始日をさかのぼるものである。分析の結果、状態と状態の変動があるにもかかわらず、ほとんどの州は同時期に隔離疲労現象を経験し始めた。
論文参考訳（メタデータ） (2020-06-05T22:13:33Z)
Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文参考訳（メタデータ） (2020-06-05T02:04:25Z)
Twitter discussions and emotions about COVID-19 pandemic: a machine learning approach [0.0]
我々は、2020年3月1日から4月21日にかけての「コロナウイルス」「新型コロナウイルス」「隔離」など25のハッシュタグのリストを用いて、新型コロナウイルスのパンデミックに関連する400万のTwitterメッセージを分析した。我々は、13の議論トピックを特定し、それらを「新型コロナウイルスの拡散を遅らせるための公衆衛生措置」、「新型コロナウイルスに関連する社会的汚職」、「米国でのコロナウイルスのニュースと死」、「世界の他の場所でのコロナウイルスのケース」など、5つの異なるテーマに分類する。
論文参考訳（メタデータ） (2020-05-26T16:10:02Z)
Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter [10.857375706178622]
この研究は、Twitterユーザーの新型コロナウイルスに対する言論と心理的反応を理解することを目的としている。私たちは、2020年1月23日から3月7日までに収集された新型コロナウイルスに関連する約190万のツイートを分析するために、機械学習技術を使用します。結果は、Twitterで一般的なトピックとして、治療や症状に関連するメッセージを明らかにしない。
論文参考訳（メタデータ） (2020-05-18T15:50:38Z)
Remote health monitoring and diagnosis in the time of COVID-19 [51.01158603315544]
コロナウイルス(COVID-19)は重症急性呼吸器症候群ウイルス(SARS-CoV-2)によって引き起こされるパンデミックは、遠隔医療サービスを提供するための新しいルートを革新し、拡張し、創り出すインセンティブを駆り立ててきた。
論文参考訳（メタデータ） (2020-05-18T08:54:38Z)
The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
論文参考訳（メタデータ） (2020-04-21T13:02:38Z)
Mining Coronavirus (COVID-19) Posts in Social Media [3.04585143845864]
世界保健機関(WHO)は2020年3月11日、新型コロナウイルス(COVID-19)を世界的なパンデミックと位置づけた。本稿では,最先端機械学習モデルを用いたソーシャルメディア利用者投稿から,新型コロナウイルスの陽性報告を自動的に検出する研究の予備的結果を報告する。
論文参考訳（メタデータ） (2020-03-28T23:38:50Z)

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。