面向 COVID-19 疫情对齐的跨语言迁移学习
计算与语言
2020-10-19 v2 机器学习
社会与信息网络
摘要
COVID-19 的蔓延已成为 2020 年社会一个重大且令人不安的方面。随着各国报告数百万病例，新的疫情爆发发生并遵循先前受影响地区的模式。许多疾病检测模型未利用可用于建模和预测其传播的丰富社交媒体数据。在此情形下，一个有用的问题是：我们能否利用一个国家中的知识来建模另一个国家的疫情？为回答此问题，我们提出流行病学对齐的跨语言迁移学习任务。利用宏观与微观文本特征，我们通过 Twitter 在意大利早期 COVID-19 疫情上训练并迁移到若干其他国家。我们的实验显示出强劲结果，跨国预测的 Spearman 相关系数最高达 0.85。
引用
@article{arxiv.2006.03202,
title = {Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment},
author = {Sharon Levy and William Yang Wang},
journal= {arXiv preprint arXiv:2006.03202},
year = {2020}
}