作为症状监测技术的连续人工预测市场
计算机与社会
2020-09-02 v1 人工智能
机器学习
摘要
症状监测系统的主要目标是以可用数据源早期探测社会中的疫情爆发。本文中，我们讨论症状监测系统面临的挑战，以及连续人工预测市场[Jahedpari et al., 2017]如何能有效应用于症状监测问题。我们以两个著名模型为案例研究：(i) Google Flu Trends，以及(ii) Google Flu Trends的最新改进模型，名为GP[Lampos et al., 2015]，并展示c-APM如何改进其性能。我们的结果表明，c-APM在各年中通常比Google Flu Trends具有更低的MAE。尽管该差异在2004与2007等某些年份相对较小，但在多数年份中相对较大，且在2011至2013年间非常大。
引用
@article{arxiv.2009.00394,
title = {Continuous Artificial Prediction Markets as a Syndromic Surveillance Technique},
author = {Fatemeh Jahedpari},
journal= {arXiv preprint arXiv:2009.00394},
year = {2020}
}