从网络中招募：发现能帮助抗击寨卡疫情的Twitter用户
机器学习
2017-03-14 v1 社会与信息网络
摘要
近年来，基孔肯雅热和寨卡等热带疾病已成为导致严重、持久、全人群健康问题的突出原因。在巴西这样的大国，由卫生部门主导的传统疾病预防项目效果并不特别理想。我们探索了这样一个假设：监测和分析社交媒体内容流可以有效补充这些努力。具体而言，我们旨在识别那些可能对当地社区组织的病毒抗击行动敏感的特定公众成员。聚焦于Twitter和寨卡话题，我们的方法包括：(i) 训练一个分类器从Twitter信息流中筛选与话题相关的推文，以及 (ii) 发现积极发布该话题相关内容的顶级用户。然后，我们可以推荐这些用户作为其社区内直接参与的主要候选人。在这篇短文中，我们描述了我们的分析方法和原型架构，讨论了处理噪声和稀疏信号的挑战，并展示了令人鼓舞的初步结果。
引用
@article{arxiv.1703.03928,
title = {Recruiting from the network: discovering Twitter users who can help combat Zika epidemics},
author = {Paolo Missier and Callum McClean and Jonathan Carlton and Diego Cedrim and Leonardo Silva and Alessandro Garcia and Alexandre Plastino and Alexander Romanovsky},
journal= {arXiv preprint arXiv:1703.03928},
year = {2017}
}