基于多任务学习的多国流感单一预测模型
机器学习
2021-07-08 v2 人工智能
摘要
对流感等传染性流行病进行准确预测是医疗机构承担的关键任务。尽管既往研究已提出众多主要基于历史流感活动数据与在线用户生成内容的流感预测方法与模型，目前尚不存在利用两类数据、面向多国的流感预测模型。本文借助多任务学习应对构建面向多国（每国为一任务）的单一流感预测模型的挑战。此外，为开发性能更高的流感预测模型，我们解决了两个问题：寻找合适的搜索查询（用户生成内容的一部分），以及如何在模型构建中高效利用搜索查询。针对第一问题，我们提出从英语到其他语言的迁移方法。针对第二问题，我们提出一种利用注意力机制发挥搜索查询优势的新颖流感预测模型，并将该模型扩展为多任务模型以预测多国流感。在五国流感预测上的实验表明，与基线相比，我们的模型通过利用搜索查询与多任务学习显著提升了性能。
引用
@article{arxiv.2107.01760,
title = {Single Model for Influenza Forecasting of Multiple Countries by Multi-task Learning},
author = {Taichi Murayama and Shoko Wakamiya and Eiji Aramaki},
journal= {arXiv preprint arXiv:2107.01760},
year = {2021}
}
备注
European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD), 2021