論文の概要: Predicting seasonal influenza using supermarket retail records

• arxiv url: http://arxiv.org/abs/2012.04651v2
• Date: Thu, 17 Dec 2020 14:17:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 03:56:56.626589
• Title: Predicting seasonal influenza using supermarket retail records
• Title（参考訳）: スーパーマーケット記録を用いた季節インフルエンザ予測
• Authors: Ioanna Miliou, Xinyue Xiong, Salvatore Rinzivillo, Qian Zhang, Giulio Rossetti, Fosca Giannotti, Dino Pedreschi, Alessandro Vespignani
• Abstract要約: 我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。 SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
• 参考スコア（独自算出の注目度）: 59.18952050885709
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Increased availability of epidemiological data, novel digital data streams, and the rise of powerful machine learning approaches have generated a surge of research activity on real-time epidemic forecast systems. In this paper, we propose the use of a novel data source, namely retail market data to improve seasonal influenza forecasting. Specifically, we consider supermarket retail data as a proxy signal for influenza, through the identification of sentinel baskets, i.e., products bought together by a population of selected customers. We develop a nowcasting and forecasting framework that provides estimates for influenza incidence in Italy up to 4 weeks ahead. We make use of the Support Vector Regression (SVR) model to produce the predictions of seasonal flu incidence. Our predictions outperform both a baseline autoregressive model and a second baseline based on product purchases. The results show quantitatively the value of incorporating retail market data in forecasting models, acting as a proxy that can be used for the real-time analysis of epidemics.
• Abstract（参考訳）: 疫学データの可用性の向上、新しいデジタルデータストリーム、強力な機械学習アプローチの台頭により、リアルタイム流行予測システムの研究活動が急増している。 本稿では,インフルエンザの季節予測を改善するために,新しいデータソース,すなわち小売市場データの利用を提案する。 具体的には、スーパーマーケットの小売データを、選択された顧客の集団が一緒に購入したセンチネルバスケットの識別を通じて、インフルエンザの代理信号として捉えている。 我々は、イタリアでインフルエンザの発生率を最大4週間前に見積もる nowcasting and forecasting framework を開発した。 我々は,svrモデルを用いて季節性インフルエンザの発生予測を行う。 我々の予測は,製品購入に基づくベースライン自己回帰モデルと第2ベースラインの両方を上回っている。 その結果,疫病のリアルタイム分析に有効なプロキシとして,予測モデルに小売市場データを組み込むことの価値が定量的に示された。

関連論文リスト

• Flusion: Integrating multiple data sources for accurate influenza predictions [0.24999074238880484]
  アメリカ疾病予防管理センター(CDC)は毎年インフルエンザの予測課題を組織している。 我々のモデルであるFlusionは、量子レグレッションモデルとベイズ自己回帰モデルを組み合わせたアンサンブルである。 フラクションは、2023/24シーズンにおけるCDCのインフルエンザ予測における最高パフォーマンスモデルであった。
  論文  参考訳（メタデータ） (2024-07-26T19:24:02Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• Multimodal Neural Network For Demand Forecasting [0.8602553195689513]
  本稿では,ニュース記事からのリアルタイムイベントと,過去のセールスやホリデー情報といった従来のデータを組み合わせたマルチモーダルセールス予測ネットワークを提案する。 従来の販売予測手法と比較して,SMAPEの誤差測定値の平均改善率は7.37%と統計的に有意な改善を示した。
  論文  参考訳（メタデータ） (2022-10-20T18:06:36Z)
• 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)
• PRRS Outbreak Prediction via Deep Switching Auto-Regressive Factorization Modeling [0.0]
  畜産業界における流行予測のための流行分析枠組みを提案する。 我々は、豚業界で最も費用がかかるウイルス感染症、すなわちPRRSウイルスの研究に焦点をあてる。
  論文  参考訳（メタデータ） (2021-10-07T02:40:28Z)
• Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
  公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。 過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。 我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
  論文  参考訳（メタデータ） (2021-06-08T14:48:20Z)
• Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
  我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。 我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
  論文  参考訳（メタデータ） (2020-09-23T22:35:43Z)
• Disruption in the Chinese E-Commerce During COVID-19 [27.593450217418777]
  新型コロナウイルス(COVID-19)は世界中で何百万人もの市民に感染し、多くの命を奪った。 本稿では、大規模なオンラインショッピングプラットフォームで見られる行動変化を分析し、中国のeコマース市場への影響について検討する。 新型コロナウイルス関連商品の流行統計と行動特徴を包含した消費者需要予測手法を提案する。
  論文  参考訳（メタデータ） (2020-07-23T01:28:26Z)
• How Much Can A Retailer Sell? Sales Forecasting on Tmall [20.51263243320733]
  本稿では,世界最大のオンラインB2CプラットフォームであるTmallにおける小売店の売上予測事例について検討する。 我々は,販売予測,すなわち季節性抽出と流通転換の2つのメカニズムを設計する。
  論文  参考訳（メタデータ） (2020-02-27T06:41:00Z)

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。