期刊論文

學年 107
學期 1
出版(發表)日期 2018-12-15
作品名稱 以模型融合配合社群網路資料進行流感趨勢預測
作品名稱(其他語言) Building Fusion Model for Flu Trend Prediction by using Social Web Data
著者 張昭憲; 周書任
單位
出版者
著錄名稱、卷期、頁數 資訊、科技與社會學報 18, p.1-20
摘要 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。
關鍵字 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
語言 zh_TW
ISSN 1682-8054
期刊性質 國內
收錄於
產學合作
通訊作者 張昭憲
審稿制度
國別 TWN
公開徵稿
出版型式 ,電子版
相關連結

機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/116023 )