Twitter 消息的症候群分类
计算与语言
2011-10-17 v1 信息检索
社会与信息网络
摘要
近期研究表明社交网络数据与国家流感发病率之间存在强相关性。我们在此基础上扩展，开发了一个自动化文本挖掘系统，该系统基于公共卫生本体的关键词，将 Twitter 消息实时分类为六种症候群类别。使用 10 折交叉验证在包含 7431 条 Twitter 消息的语料库上比较朴素贝叶斯（NB）与支持向量机（SVM）模型。SVM 在 6 种症候群中的 4 种上表现优于 NB。最佳分类器的 F1 分数为：呼吸系统 = 86.2（NB）；胃肠道 = 85.4（SVM 多项式核次数 2）；神经系统 = 88.6（SVM 多项式核次数 1）；皮疹 = 86.0（SVM 多项式核次数 1）；全身性 = 89.3（SVM 多项式核次数 1）；出血性 = 89.9（NB）。所得分类器与 EARS C2 异常检测算法一起部署在一个实验性在线系统中。
引用
@article{arxiv.1110.3094,
title = {Syndromic classification of Twitter messages},
author = {Nigel Collier and Son Doan},
journal= {arXiv preprint arXiv:1110.3094},
year = {2011}
}
备注
10 pages, 2 figures, eHealth 2011 conference, Malaga (Spain) (accepted)