關鍵字查詢 | 類別:期刊論文 | | 關鍵字:以模型融合配合社群網路資料進行流感趨勢預測

[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 01 筆查詢結果
序號 學年期 教師動態
1 107/1 資管系 張昭憲 副教授 期刊論文 發佈 以模型融合配合社群網路資料進行流感趨勢預測 , [107-1] :以模型融合配合社群網路資料進行流感趨勢預測期刊論文以模型融合配合社群網路資料進行流感趨勢預測Building Fusion Model for Flu Trend Prediction by using Social Web Data張昭憲; 周書任流感監測;社群網路分析;線性迴歸;模型融合;influenza surveillance;social network analysis;linear regression;model fusion資訊、科技與社會學報 18, p.1-20根據世界衛生組織(WHO)統計,流感每年在全球約造成300萬個嚴重病例及25萬人死亡,對民生、經濟之影響有目共睹。為監測流感疫情,各國疾管局通常藉由臨床就診通報來彙整資料,但可能產生1~2週的延遲,顯然緩不濟急。考量網路社群已成為現代人生活一部分,若能從中蒐集資料並發展預測方法,應可更快了解流感現況,降低其負面影響。此外,流感流行變化快速、預測不易,但若能整合不同的預測方法,將可提升其準確性。有鑒於此,本研究將運用社群網路資料,以模型融合(Model Fusion)為基礎,建立有效的流感就診率預測方法。首先,我們由不同的網路資料來源蒐集資料,透過關鍵詞集統計建立資料集。接著,配合延遲概念,以線性迴歸建立多種不同特質的預測模型。最後,再透過模型融合整合各模型之預測結果,以提升總體準確性與穩定性。 為驗證提出方法之有效性,本研究蒐集英國地區約82週(2015/8–2017/3)超過160萬筆的Twitter發文,及同時期的Google關鍵字搜尋熱度資料,經處理後進行實驗。與六種單一預測模型相較,本研究提出之方法具有最高的預測關聯度,顯示方法之有效性。為了解各種模型之穩定性,再將流感資料依照流行程度分為「劇升降」區與「緩升降」區進行統計。結果顯示本方法在二個區域分別具有的最高與次高之關聯度,其他單一模型則呈現不一致之預測效果,驗證本方法確能產生較穩定之預測。綜合上述結果,我們相信透過本研究所提出之方法,能提供更有效之流感早期預警,建立更多元的防疫防線。zh_TW1682-8054國內張昭憲是TWN
[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 01 筆查詢結果