論文の概要: BIOPAK Flasher: Epidemic disease monitoring and detection in Pakistan using text mining

• arxiv url: http://arxiv.org/abs/2106.06720v1
• Date: Sat, 12 Jun 2021 08:55:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-19 20:35:42.248841
• Title: BIOPAK Flasher: Epidemic disease monitoring and detection in Pakistan using text mining
• Title（参考訳）: BIOPAK Flasher : パキスタンにおけるテキストマイニングによる疫病のモニタリングと検出
• Authors: Muhammad Nasir, Maheen Bakhtyar, Junaid Baber, Sadia Lakho, Bilal Ahmed, Waheed Noor
• Abstract要約: アウトブレイクの早期発見は、ここでは重要な役割を担っている。 言語(ウルドゥー語)とカバー地域を制限した早期警戒アウトブレイクシステムはほとんど存在しない。 パキスタンの英語ニュースチャンネルとウルドゥー語ニュースチャンネルから情報を収集し、その過程を調査し、統合し、病気の流行を可視化することを目的としている。
• 参考スコア（独自算出の注目度）: 0.5888325379746631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infectious disease outbreak has a significant impact on morbidity, mortality and can cause economic instability of many countries. As global trade is growing, goods and individuals are expected to travel across the border, an infected epidemic area carrier can pose a great danger to his hostile. If a disease outbreak is recognized promptly, then commercial products and travelers (traders/visitors) will be effectively vaccinated, and therefore the disease stopped. Early detection of outbreaks plays an important role here, and beware of the rapid implementation of control measures by citizens, public health organizations, and government. Many indicators have valuable information, such as online news sources (RSS) and social media sources (Twitter, Facebook) that can be used, but are unstructured and bulky, to extract information about disease outbreaks. Few early warning outbreak systems exist with some limitation of linguistic (Urdu) and covering areas (Pakistan). In Pakistan, few channels are published the outbreak news in Urdu or English. The aim is to procure information from Pakistan's English and Urdu news channels and then investigate process, integrate, and visualize the disease epidemic. Urdu ontology is not existed before to match extracted diseases, so we also build that ontology of disease.
• Abstract（参考訳）: 感染症の流行は多くの国で死亡率、死亡率に重大な影響を与え、経済的不安定を招きかねない。 世界貿易が拡大する中で、商品や個人は国境を越えて旅行すると予想されている。 病気の発生が迅速に認識されると、商品や旅行者(商人や旅行者)は効果的にワクチン接種され、病気は止まる。 ここでは、早期感染の発見が重要な役割を担い、市民、公衆衛生機関、政府による規制措置の迅速な実施に留意する。 多くの指標は、オンライン・ニュース・ソース(rss)やソーシャルメディア・ソース(twitter、facebook)といった貴重な情報を持っている。 言語(urdu)とカバーエリア(pakistan)に制限のある早期警告アウトブレイクシステムはほとんど存在しない。 パキスタンでは、アウトブレイクニュースをウルドゥー語や英語で発表するチャンネルは少ない。 目的はパキスタンの英語とウルドゥー語のニュースチャンネルから情報を入手し、病気の流行の過程を調査し、統合し、可視化することである。 ウルドゥーオントロジーは、抽出された疾患にマッチする以前に存在せず、病のオントロジーも構築する。

関連論文リスト

• Infectious Disease Forecasting in India using LLM's and Deep Learning [0.3141085922386211]
  本稿では,感染症発生の重症度を予測するためのディープラーニングアルゴリズムとLCMを実装した。 私たちの研究から得た知見は、将来のアウトブレイクに対する堅牢な予測システムの構築を支援することを目的としています。
  論文  参考訳（メタデータ） (2024-10-26T12:54:09Z)
• SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
  多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。 各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。 われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
  論文  参考訳（メタデータ） (2024-10-24T03:03:54Z)
• Disease Outbreak Detection and Forecasting: A Review of Methods and Data Sources [3.64584397341127]
  感染症の早期発見と追跡は、死亡率を低下させる可能性がある。 多くの国が感染症監視システムを導入しており、疫病の発見が主な目的となっている。 インターネットとソーシャルメディアは、ユーザが好みや関係に関する情報を共有する重要なプラットフォームになっている。 本稿では,時系列データを用いたアウトブレイク検出のための研究者による既存の標準手法について概説する。
  論文  参考訳（メタデータ） (2024-10-21T16:20:06Z)
• 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)
• Modeling the amplification of epidemic spread by misinformed populations [41.31724592098777]
  我々は、大規模で移動性に富んだ物理的接触ネットワークと、ソーシャルメディアデータから派生した郡にまたがる誤情報による個人分布を組み込んだ疫病モデルを用いている。 新型コロナウイルスの感染拡大に伴い、米国人口の14%が感染する恐れがある。
  論文  参考訳（メタデータ） (2024-02-17T18:01:43Z)
• Epidemic outbreak prediction using machine learning models [0.0]
  本稿では, アメリカ合衆国ニューヨーク州における流行の流行(インフルエンザ, 肝炎, マラリア)を, 機械学習とディープラーニングのアルゴリズムを用いて予測する。 このアルゴリズムは、過去のデータを使って5週間のケース数を予測します。 グーグル検索トレンド、社会メディアデータ、気象データなどの非臨床要因も、アウトブレイクの確率を予測するために使われてきた。
  論文  参考訳（メタデータ） (2023-10-30T17:28:44Z)
• "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)
• 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)
• Tracking COVID-19 by Tracking Infectious Trajectories [0.0]
  新型コロナウイルスのパンデミックは 依然として多くの死者と 感染者を発生させています 調査報告2は、中国で確認された感染の79%が、症状のない未報告の患者によって引き起こされたと報告している。 我々は、未文書の患者と感染箇所の両方を見つけるために特別に設計されたIoT(Internet of Things)調査システムを提案する。
  論文  参考訳（メタデータ） (2020-05-12T02:20:09Z)
• Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
  新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。 技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。 個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
  論文  参考訳（メタデータ） (2020-04-16T15:53:42Z)

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。