基于 Google Trends 数据与注意力机制的序列到序列流感患病率预测
机器学习
2019-07-08 v1 社会与信息网络
摘要
早期预测流感患病率可降低其影响。已有多种研究致力于预测流感感染人数。然而，这些研究准确度不高，尤其在较远的未来如超过一个月时。为应对该问题，我们研究了利用 Google Trends 数据的序列到序列（Seq2Seq）带注意力模型，以评估和预测多周内流感感染人数。Google Trends 数据有助于补偿包括统计数据在内的暗数并提升预测精度。我们证明注意力机制对提升预测精度极为有效，并取得了当前最优结果，Pearson 相关系数与均方根误差分别为 0.996 和 0.67。然而，对流感流行峰值的预测精度尚不充分，需进一步研究以克服该问题。
引用
@article{arxiv.1907.02786,
title = {Sequence to Sequence with Attention for Influenza Prevalence Prediction using Google Trends},
author = {Kenjiro Kondo and Akihiko Ishikawa and Masashi Kimura},
journal= {arXiv preprint arXiv:1907.02786},
year = {2019}
}
备注
7 pages, ICCBB2019