論文の概要: Fine-grained prediction of food insecurity using news streams

• arxiv url: http://arxiv.org/abs/2111.15602v1
• Date: Wed, 17 Nov 2021 17:35:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 02:57:19.107893
• Title: Fine-grained prediction of food insecurity using news streams
• Title（参考訳）: ニュースストリームを用いた食品不安のきめ細かい予測
• Authors: Ananth Balashankar, Lakshminarayanan Subramanian and Samuel P. Fraiberger
• Abstract要約: 深層学習の最近の進歩を活用して,1980年から2020年にかけて発行されたニュース記事から,食品危機に対する高周波前駆体を抽出する。 私たちのテキスト機能は、既存のデータによって因果的に基礎付けられ、解釈可能で、検証され、既存のモデルよりも32%の食糧危機を予測できます。
• 参考スコア（独自算出の注目度）: 9.04748106111465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anticipating the outbreak of a food crisis is crucial to efficiently allocate emergency relief and reduce human suffering. However, existing food insecurity early warning systems rely on risk measures that are often delayed, outdated, or incomplete. Here, we leverage recent advances in deep learning to extract high-frequency precursors to food crises from the text of a large corpus of news articles about fragile states published between 1980 and 2020. Our text features are causally grounded, interpretable, validated by existing data, and allow us to predict 32% more food crises than existing models up to three months ahead of time at the district level across 15 fragile states. These results could have profound implications on how humanitarian aid gets allocated and open new avenues for machine learning to improve decision making in data-scarce environments.
• Abstract（参考訳）: 食品危機の発生を予想することは、緊急救助を効率的に割り当て、人的苦痛を減らすために重要である。 しかし、既存の食料不安全早期警戒システムは、しばしば遅れ、時代遅れ、または不完全なリスク対策に依存している。 本稿では,近年の深層学習の進歩を活かし,1980年から2020年にかけて刊行された脆弱な状態に関する大量のニュース記事のテキストから,食品危機の高頻度前駆体を抽出する。 私たちのテキスト機能は因果的に接地され、解釈可能で、既存のデータによって検証され、15の脆弱な州における地区レベルでの3ヶ月前までの既存のモデルよりも32%多くの食品危機を予測できます。 これらの結果は、人道支援の割り当て方法に大きな影響を与え、データ収集環境における意思決定を改善する機械学習の新しい道を開く可能性がある。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• Seasonality Patterns in 311-Reported Foodborne Illness Cases and Machine Learning-Identified Indications of Foodborne Illnesses from Yelp Reviews, New York City, 2022-2023 [8.972167744334206]
  我々はYelpのレビューとメタデータを抽出し、レストランの食品消費に関連する食中毒の発生の可能性を特定した。 我々は311年の食中毒報告の季節パターンを同定し、階層型シグモイド注意ネットワーク(HSAN)を用いたニューヨーク市のレストランのYelpレビューから食品病の季節パターンを同定した。
  論文  参考訳（メタデータ） (2024-05-09T23:10:31Z)
• 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)
• Forecasting trends in food security with real time data [0.0]
  我々は,マリ,ナイジェリア,シリア,イエメンの4カ国で,60日間連続して食料消費の水準を予測する定量的手法を提案する。 この手法は、World Food Programmeのグローバルな飢餓モニタリングシステムから入手可能なデータに基づいて構築されている。
  論文  参考訳（メタデータ） (2023-12-01T14:42:37Z)
• HungerGist: An Interpretable Predictive Model for Food Insecurity [8.899318522863563]
  本稿では,ニューステキストとNLP技術を利用したマルチタスク深層学習モデルであるHungerGistを紹介する。 従来のリスクファクターと人為的キーワードの両方でトレーニングされたベースライン手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-18T03:17:51Z)
• Assessing the Causal Impact of Humanitarian Aid on Food Security [4.934192277899036]
  本稿ではアフリカのホーンに対する因果推論の枠組みを紹介する。 現金による介入が食糧危機に与える影響を評価することを目的としている。
  論文  参考訳（メタデータ） (2023-10-17T14:09:45Z)
• SurvivalGAN: Generating Time-to-Event Data for Survival Analysis [121.84429525403694]
  検閲と時間的地平線の不均衡は、生成モデルに生存分析に特有の3つの新しい障害モードを経験させる。 本稿では,検閲やイベントの地平線における不均衡に対処し,生存データを扱う生成モデルであるSurvivalGANを提案する。 医療データセットに関する広範な実験により,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-02-24T17:03:51Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• Food safety risk prediction with Deep Learning models using categorical embeddings on European Union data [1.4502611532302039]
  欧州連合(EU)は1977年に、国境を越えた監視を確保するため、取引された商品に関する不規則事項を登録し始めた。 食品問題に関連するデータは、将来の通知のいくつかの機能を予測するために、機械学習技術によって取り除かれ分析された。 その結果,74.08%から93.06%の精度でこれらの特徴を予測できることがわかった。
  論文  参考訳（メタデータ） (2020-09-14T19:36:58Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。