评估新闻趋势与传染病暴发关联的时序主题建模
社会与信息网络
2016-06-02 v1 计算与语言
信息检索
机器学习
摘要
在回顾性评估中，互联网新闻报道已被证明能在官方实验室确认之前捕获未知传染病传播的早期报告。通常，媒体关注和报道在暴发过程中有起有落。本研究中，我们量化了传染病暴发期间的媒体关注在多大程度上可指示报告发病率的趋势。我们引入一种使用有监督时序主题模型将大规模新闻文章语料转化为时序主题趋势的方法。该方法的主要优势包括适用于广泛疾病，以及捕捉疾病动态（含季节性、突发峰谷）的能力。我们利用美国、中国和印度的多种传染病暴发数据评估了该方法。我们注意到，从疾病相关新闻报道中提取的时序主题趋势成功捕捉了多次暴发的动态，如美国(2012)百日咳、印度(2013)和中国(2014)登革热暴发。我们的观察还表明，利用时间序列回归技术对时序主题趋势进行有效建模，可在卫生组织官方报告之前以更高精度估计疾病病例数。
引用
@article{arxiv.1606.00411,
title = {Temporal Topic Modeling to Assess Associations between News Trends and Infectious Disease Outbreaks},
author = {Saurav Ghosh and Prithwish Chakraborty and Elaine O. Nsoesie and Emily Cohn and Sumiko R. Mekaru and John S. Brownstein and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:1606.00411},
year = {2016}
}
备注
This paper has been submitted to a journal