一种利用 Google Trends 预测迁移的 LSTM 方法
机器学习
2020-06-22 v2 机器学习
摘要
能够尽可能精确地建模并预测国际迁移对政策制定至关重要。最近，除其他经济和人口数据外，Google Trends 数据已被证明可改善重力线性模型对提前一年的预测质量。本工作中，我们用长短期记忆（LSTM）方法替代线性模型，并与两种现有方法比较：线性重力模型与人工神经网络（ANN）模型。我们的 LSTM 方法结合 Google Trends 数据，在预测提前一年流入 35 个经济合作与发展组织（OECD）国家的国际迁移任务上，于多项指标上优于这两种模型：例如在测试集上均方根误差（RMSE）与平均绝对误差（MAE）分别降至原来的五分之一和四分之一。这一正向结果表明，机器学习技术是研究迁移机制时传统方法之外的一种有力替代方案。
引用
@article{arxiv.2005.09902,
title = {An LSTM approach to Forecast Migration using Google Trends},
author = {Nicolas Golenvaux and Pablo Gonzalez Alvarez and Harold Silvère Kiossou and Pierre Schaus},
journal= {arXiv preprint arXiv:2005.09902},
year = {2020}
}