为何难以在Twitter中检测突发且意外的疫情爆发？
计算机与社会
2016-11-11 v1 信息检索
社会与信息网络
机器学习
摘要
诸如Twitter的社交媒体服务是决策支持系统的宝贵信息来源。许多研究表明这在医学领域同样成立，其中Twitter被视为公共卫生官员筛选相关信息以早期检测、管理和控制疫情爆发的可行工具。这可能实现是由于社交媒体服务固有的比传统渠道更快传输信息的能力。然而，当前大多数研究将其范围局限于检测常见和季节性的健康反复出现的事件（例如流感样疾病），部分由于Twitter数据的噪声性质，使得爆发检测和管理非常具有挑战性。在欧洲项目M-Eco中，我们开发了基于Twitter的流行病情报(EI)系统，其设计还处理更一般的意外和非周期性爆发类别。特别地，我们在此努力中面临三个主要研究挑战：1) 动态分类以管理Twitter消息的术语演化，2) 警报生成以通过分析（噪声）推文时间序列产生可靠的爆发警报，3) 排序与推荐以支持领域专家更好地评估生成的警报。本文中，我们使用真实世界爆发数据集和大量推文集合对我们针对这些挑战提出的方法进行经验评估。我们与领域专家验证我们的解决方案，描述经验，并给出关于分析社交媒体用于公共卫生的益处和问题的更现实视角。
引用
@article{arxiv.1611.03426,
title = {Why is it Difficult to Detect Sudden and Unexpected Epidemic Outbreaks in Twitter?},
author = {Avaré Stewart and Sara Romano and Nattiya Kanhabua and Sergio Di Martino and Wolf Siberski and Antonino Mazzeo and Wolfgang Nejdl and Ernesto Diaz-Aviles},
journal= {arXiv preprint arXiv:1611.03426},
year = {2016}
}
备注
ACM CCS Concepts: Applied computing - Health informatics; Information systems - Web mining; Document filtering; Novelty in information retrieval; Recommender systems; Human-centered computing - Social media