OMG 你流感了吗？用于生物监测的共享健康信息分析
计算与语言
2011-10-17 v1 信息检索
社会与信息网络
摘要
背景：微博服务（如 Twitter）提供了实时众包流行病数据的潜力。然而，Twitter 帖子（tweets）往往具有歧义性，且易受媒体趋势影响。为了将用户信息与疫情响应相结合，我们专注于追踪自我防护行为的报告，例如避免公共聚集或加强卫生措施，以此作为进一步风险分析的基础。结果：我们基于 Jones 和 Salathé (2009) 的行为响应调查，制定了自我防护行为标注指南。将这些指南应用于包含 5283 条与类流感疾病相关的 Twitter 消息的语料库，显示出较高的标注者间一致性（Kappa 值为 0.86）。我们采用监督学习方法，使用一元语法、二元语法和正则表达式作为特征，结合两种监督分类器（SVM 和朴素贝叶斯），将推文分类为四种自我报告的防护行为类别及一种自我报告的诊断。除了分类性能外，我们还通过比较分类器输出与美国 2009-2010 流感季节 A(H1N1) 的 WHO/NREVSS 实验室数据，报告了中等强度的 Spearman's Rho 相关性。结论：本研究增加了支持诊断前社交媒体信号与诊断性流感病例数据之间存在高度相关性的证据，为低成本传感器网络指明了方向。我们认为，我们所建模的信号可能适用于多种疾病。
引用
@article{arxiv.1110.3089,
title = {OMG U got flu? Analysis of shared health messages for bio-surveillance},
author = {Nigel Collier and Nguyen Truong Son and Ngoc Mai Nguyen},
journal= {arXiv preprint arXiv:1110.3089},
year = {2011}
}