論文の概要: Twitter conversations predict the daily confirmed COVID-19 cases
- arxiv url: http://arxiv.org/abs/2206.10471v1
- Date: Tue, 21 Jun 2022 15:31:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 17:37:32.302080
- Title: Twitter conversations predict the daily confirmed COVID-19 cases
- Title（参考訳）: Twitterが毎日の新型コロナウイルス感染者を予測
- Authors: Rabindra Lamsala, Aaron Harwood, Maria Rodriguez Read
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.2320417845168326
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As of writing this paper, COVID-19 (Coronavirus disease 2019) has spread to
more than 220 countries and territories. Following the outbreak, the pandemic's
seriousness has made people more active on social media, especially on the
microblogging platforms such as Twitter and Weibo. The pandemic-specific
discourse has remained on-trend on these platforms for months now. Previous
studies have confirmed the contributions of such socially generated
conversations towards situational awareness of crisis events. The early
forecasts of cases are essential to authorities to estimate the requirements of
resources needed to cope with the outgrowths of the virus. Therefore, this
study attempts to incorporate the public discourse in the design of forecasting
models particularly targeted for the steep-hill region of an ongoing wave. We
propose a sentiment-involved topic-based methodology for designing multiple
time series from publicly available COVID-19 related Twitter conversations. As
a use case, we implement the proposed methodology on Australian COVID-19 daily
cases and Twitter conversations generated within the country. Experimental
results: (i) show the presence of latent social media variables that
Granger-cause the daily COVID-19 confirmed cases, and (ii) confirm that those
variables offer additional prediction capability to forecasting models.
Further, the results show that the inclusion of social media variables for
modeling introduces 48.83--51.38% improvements on RMSE over the baseline
models. We also release the large-scale COVID-19 specific geotagged global
tweets dataset, MegaGeoCOV, to the public anticipating that the geotagged data
of this scale would aid in understanding the conversational dynamics of the
pandemic through other spatial and temporal contexts.
- Abstract（参考訳）: この論文の執筆時点で、covid-19(coonavirus disease 2019)は220以上の国と領域に拡大している。
新型コロナウイルスの感染拡大を受け、ソーシャルメディア、特にTwitterやWeiboなどのマイクロブログプラットフォームで人々が活発に活動するようになった。
パンデミック特有の談話は、ここ数ヶ月の間、これらのプラットフォームで継続されている。
これまでの研究では、このような社会的に発生した会話が危機事象の状況認識に寄与していることが確認されている。
感染者の早期予測は、ウイルスのアウトグロースに対応するために必要な資源の要件を当局が見積もる上で不可欠だ。
そこで本研究では,現在進行中の波の急勾配領域を対象とした予測モデルの設計に公衆の言論を取り入れようと試みる。
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。
ユースケースとして,オーストラリアで発生した日中事例とTwitterでの会話について,提案手法を実装した。
実験結果:
(i)1日当たりの感染者が確認されたため,Grangerによる潜伏するソーシャルメディア変数の存在を示す。
(ii)これらの変数が予測モデルにさらなる予測機能を提供することを確認する。
さらに,モデルに対するソーシャルメディア変数の導入により,ベースラインモデルに対するrmseの48.83-51.38%の改善が示された。
また、大規模なCOVID-19特定ジオタグ付きグローバルツイートデータセットであるMegaGeoCOVを一般公開し、このスケールのジオタグ付きデータは、他の空間的および時間的文脈を通じてパンデミックの会話のダイナミクスを理解するのに役立つと予測している。
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) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Variance of Twitter Embeddings and Temporal Trends of COVID-19 cases [0.9449650062296824]
本稿では,ソーシャルメディア,特にTwitterを活用すれば,新型コロナウイルス関連シナリオを予測する方法を提案する。
単語埋め込みを用いてツイートの意味を捉えることで、重要な次元(SD)を識別する。
本手法は, リードタイムが15日, R2スコアが0.80, 0.62の症例の増加を予測した。
論文 参考訳（メタデータ） (2021-09-30T18:03:10Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-08T15:46:05Z) - COVID-19 and Big Data: Multi-faceted Analysis for Spatio-temporal
Understanding of the Pandemic with Social Media Conversations [4.07452542897703]
ソーシャルメディアプラットフォームは、新型コロナウイルス(COVID-19)に関する世界的な会話の手段として機能している。
本稿では,パンデミックを取り巻くソーシャルメディア会話の重要コンテンツと特徴の分析,マイニング,追跡のための枠組みを提案する。
論文 参考訳（メタデータ） (2021-04-22T00:45:50Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - Inter-Series Attention Model for COVID-19 Forecasting [23.58411106491221]
我々は、複数の領域から得られた時系列のパターンを比較して予測を行う、Attention Crossing Time Series (textbfACTS)と呼ばれる新しいニューラル予測モデルを開発した。
新たに確認された症例、入院、死亡の予測を含む18件中13件の検査のうち、textbfACTSはCDCが強調した主要な新型コロナウイルス(COVID-19)の予測を上回っている。
論文 参考訳（メタデータ） (2020-10-25T00:11:49Z) - 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) - 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) - GeoCoV19: A Dataset of Hundreds of Millions of Multilingual COVID-19
Tweets with Location Information [4.541389211258011]
GeoCoV19は、2020年2月1日から90日間に5億2400万件の多言語ツイートが投稿された大規模なTwitterデータセットです。
我々は、この大規模かつ多言語で位置決めされたソーシャルメディアデータは、この前例のない世界的な危機に社会がどう対処しているかを評価する研究コミュニティに力を与えることができると仮定する。
論文 参考訳（メタデータ） (2020-05-22T13:30:42Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。
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。