محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران
جزئیات رویداد
اینستاگرام تی پی بین
همایش ، رویداد ، ژورنال
حوزه های تحت پوشش رویداد

  • پیش بینی انتشار بیماری های واگیردار از طریق تحلیل شبکه اجتماعی توییتر

    نویسندگان :
    کلمات کلیدی :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 2437
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    بیماری فصلی آنفلوآنزا هر ساله باعث مرگ 500000 نفر در جهان می شود. بنابراین جلوگیری از این بیماری و بیماری های واگیردار مشابه از اهمیت بالایی برخوردار است. همان طور که مطالعات نشان می دهد، در صورت تشخیص زودهنگام، می توان از بسیاری از بیماری های واگیردار جلوگیری کرد. از این رو، پیش بینی شیوع بیماری های واگیر نقش مهمی در کاهش خسارات ناشی از آنها دارد. مرکز کنترل و پیشگیری بیماری (cdc) به صورت سنتی داده بیماری شبه آنفلوآنزا (ili) را جمع آوری می کند که معمولا فاصله زمانی تشخیص بیماری تا تهیه گزارش ili، یک تا دو هفته است. کاهش این زمان، منجر به پیش بینی زودتر شیوع بیماری و کاهش هزینه های آن می باشد. در این مقاله با استفاده از روش های یادگیری ماشین، روش های جدیدی برای پیش بینی داده بیماری شبه آنفلوآنزا مبتنی بر تحلیل داده های شبکه اجتماعی توییتر ارائه شده است. روش های پیشنهادی از مدل رگرسیون خطی با ورودی خارجی و مدل سری زمانی با شبکه عصبی برای پیش بینی داده بیماری شبه آنفلوآنزا استفاده می کنند. ارزیابی های انجام شده بر روی داده های سال 2009 تا 2010 شبکه توییتر نشان می دهند که از طریق روش های پیشنهادی امکان پیش بینی شیوع بیماری، دو تا چهار هفته زودتر از cdc، فراهم می شود. نتایج حاصل نشان می دهد که می توان توسط شبکه عصبی بیماری آنفلوآنزا را با خطای کمتر از 5% پیش بینی کرد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها