論文の概要: Google Trends Analysis of COVID-19

• arxiv url: http://arxiv.org/abs/2011.03847v1
• Date: Sat, 7 Nov 2020 20:55:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 22:57:16.010087
• Title: Google Trends Analysis of COVID-19
• Title（参考訳）: google trendsによるcovid-19の分析
• Authors: Hoang Long Nguyen, Zhenhe Pan, Hashim Abu-gellban, Fang Jin, Yuanlin Zhang
• Abstract要約: 世界保健機関(WHO)は3月11日、新型コロナウイルスがパンデミック病であると発表した。 本研究の目的は、Google検索のトレンドと新型コロナウイルスの拡散との関係を検討することである。
• 参考スコア（独自算出の注目度）: 3.1277175082738005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The World Health Organization (WHO) announced that COVID-19 was a pandemic disease on the 11th of March as there were 118K cases in several countries and territories. Numerous researchers worked on forecasting the number of confirmed cases since anticipating the growth of the cases helps governments adopting knotty decisions to ease the lockdowns orders for their countries. These orders help several people who have lost their jobs and support gravely impacted businesses. Our research aims to investigate the relation between Google search trends and the spreading of the novel coronavirus (COVID-19) over countries worldwide, to predict the number of cases. We perform a correlation analysis on the keywords of the related Google search trends according to the number of confirmed cases reported by the WHO. After that, we applied several machine learning techniques (Multiple Linear Regression, Non-negative Integer Regression, Deep Neural Network), to forecast the number of confirmed cases globally based on historical data as well as the hybrid data (Google search trends). Our results show that Google search trends are highly associated with the number of reported confirmed cases, where the Deep Learning approach outperforms other forecasting techniques. We believe that it is not only a promising approach for forecasting the confirmed cases of COVID-19, but also for similar forecasting problems that are associated with the related Google trends.
• Abstract（参考訳）: 世界保健機関(who)は、新型コロナウイルス(covid-19)が3月11日にパンデミック(パンデミック)の病であると発表した。 多くの研究者が、この事件が拡大すると予想して以来、確認済みの感染者数を予測することに取り組んでおり、各国のロックダウン命令の緩和に結び目のある決定を採用するのに役立っている。 これらの命令は、職を失い、重大な影響を受けたビジネスを支援する人々を助ける。 本研究の目的は、Googleの検索トレンドと新型コロナウイルス(COVID-19)の感染拡大との関係を世界各国で調査し、症例数を予測することである。 WHOが報告した確認症例数に応じて,関連するGoogle検索トレンドのキーワードの相関分析を行った。 その後,複数の機械学習手法(多重線形回帰,非負整数回帰,ディープニューラルネットワーク)を適用し,過去のデータとハイブリッドデータ(Google検索トレンド)に基づいて,世界規模で確認された症例数を予測した。 以上の結果から,Google 検索の傾向は,Deep Learning アプローチが他の予測手法より優れているという報告された症例数と強く関連していることが明らかとなった。 新型コロナウイルス(COVID-19)の感染者の予測だけでなく、関連するGoogleのトレンドに関連する同様の予測問題にも有望なアプローチだと考えています。

関連論文リスト

• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Twitter conversations predict the daily confirmed COVID-19 cases [0.2320417845168326]
  パンデミック特有の談話は、TwitterやWeiboのようなマイクロブログプラットフォーム上では、今も続いている。 本稿では、新型コロナウイルス関連Twitter会話から複数の時系列を設計するための感情関連トピックベースの方法論を提案する。 モデリングにソーシャルメディア変数を組み込むことで、RMSEのベースラインモデルよりも48.83-51.38%の改善がもたらされることが示されている。
  論文  参考訳（メタデータ） (2022-06-21T15:31:06Z)
• COVID-19 Hospitalizations Forecasts Using Internet Search Data [4.748730334762718]
  先程提案したインフルエンザ追跡モデルであるARGOを拡張し,今後2週間の全国および州レベルの新規入院を予測した。 本手法は,新型コロナウイルスの予測ハブから収集した最良の代替モデルに対して,平均15%のエラー削減を実現する。
  論文  参考訳（メタデータ） (2022-02-03T21:56:20Z)
• COVID-19 cases prediction using regression and novel SSM model for non-converged countries [0.0]
  2020年1月20日から7月21日まで、新たに新型コロナウイルスに関する情報が収集された。 収束していない国では,SARIMAX,線形回帰モデルを用いて新たな新型コロナウイルス感染者を予想した。 本フレームワークは,インド,米国,ブラジルなどの各国において,このパンデミックの線形回帰と転倒を利用したR-Squared値0.986のピークコロナ症例を予測できる。
  論文  参考訳（メタデータ） (2021-06-04T13:02:08Z)
• FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
  新型コロナウイルスの感染拡大で医療資源が不足している。 新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。 患者のプライバシー上の懸念から、データそのものはまだ乏しい。 我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
  論文  参考訳（メタデータ） (2021-02-10T01:56:58Z)
• Twitter Subjective Well-Being Indicator During COVID-19 Pandemic: A Cross-Country Comparative Study [0.0]
  本研究は、日本とイタリアのTwitterデータ指標を用いて、新型コロナウイルスのパンデミックが主観的幸福感に与える影響を分析した。 全体として、主観的な幸福感はイタリアでは11.7%、日本では8.3%減少し、2020年の最初の9ヶ月は2019年の最後の2ヶ月と比較して減少した。
  論文  参考訳（メタデータ） (2021-01-19T15:51:53Z)
• The Causality Inference of Public Interest in Restaurants and Bars on COVID-19 Daily Cases in the US: A Google Trends Analysis [2.826858247883636]
  新型コロナウイルスの感染拡大は世界のほぼすべての地域で影響を受けている。 米国の毎日の症例数は他のどの国よりも多く、州の大半で増加傾向にある。 Googleトレンドは、さまざまな期間にさまざまなトピックに対する一般の関心を提供する。
  論文  参考訳（メタデータ） (2020-07-27T00:29:06Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• 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)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。