文献

J-GLOBAL ID：201702210312289874   整理番号：17A0452615

ソーシャルメディアデータを用いた潜在性感染症を発見するための教師なし機械学習モデル【Powered by NICT】

An unsupervised machine learning model for discovering latent infectious diseases using social media data

著者 (4件)： Lim Sunghoon (Department of Industrial and Manufacturing Engineering, The Pennsylvania State University, University Park, PA 16802, USA) ,  Tucker Conrad S. (School of Engineering Design, Technology, and Professional Programs, The Pennsylvania State University, University Park, PA 16802, USA) ,  Tucker Conrad S. (Department of Industrial and Manufacturing Engineering, The Pennsylvania State University, University Park, PA 16802, USA) ,  Kumara Soundar (Department of Industrial and Manufacturing Engineering, The Pennsylvania State University, University Park, PA 16802, USA)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 66  ページ： 82-94  発行年： 2017年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究の筆者らは,鉱床採掘ソーシャルメディアデータによる実世界潜在感染症を同定する能力を持つことを教師なし機械学習モデルを提案した。本研究では,潜在感染症はまだ国立公衆衛生研究所により形式化と明確に一般大衆に伝達されていない伝染病として定義される。ソーシャルメディアネットワークによるモデル化感染症関連知識発見に対するほとんどの既存のアプローチは,既に知られている情報に基づくトップダウン手法であり,疾患の名称とその症状など。既存トップダウンアプローチでは,国立衛生研究所は,疾患を定式化まで,病名・症状のような,必要であるが未知の情報であるソーシャルメディアデータを殆ど同定されていない。潜在感染症のための形式化プロセスの大部分は時間がかかる。それ故,本研究は事前情報なしに与えられた位置における潜伏感染症発見のためのボトムアップ手法を示し,病名と関係した症状のような。ユーザと時間的情報を用いたソーシャルメディアメッセージは,データ前処理段階で抽出した。教師なし感情分析モデルを提案した。症状,身体部位,とう痛位置に関するユーザの発現もソーシャルメディアデータから同定した。,個々と時間の症状重みづけベクトルを作成し,それらの感情およびソーシャルメディア表現に基づいている。最後に,潜在性感染症関連情報は,個人の症状重みづけベクトルから検索した。2013年5月に2012年8月からツイッターデータは本研究を検証するために用いた。,同時期におけるインフルエンザと診断された104人のための実電子医療記録をグランドトルース検証として使用されている。結果は有望で,最高精度,再現率,およびF_1スコア値0.773,0.680と0.724であった。本研究では,個人のソーシャルメディアメッセージを用いた疾患(s)は,国立衛生研究所により形式化した場合よりもより速い潜伏感染症を同定し,事前情報なしに,した。特に,ソーシャルメディアデータにおける利用者,テキスト,および時間情報を用いた教師なし機械学習モデル,感情分析と共に,与えられた位置における潜伏感染症を同定した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： インフルエンザ ,  知識発見 ,  *潜伏感染 ,  重みづけ ,  電子カルテ ,  *機械学習 ,  ベクトル ,  モデリング ,  *感染症 ,  病歴
準シソーラス用語： スコア ,  再現率 ,  *ソーシャルメディア ,  感情分析 ,  事前知識 ,  トップダウン , 【Automatic Indexing@JST】

著者キーワード (5件)： 潜在感染症 ,  情報検索 ,  教師なし機械学習 ,  感情分析 ,  ソーシャルメディア

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： ソーシャルメディア ,  性感染症 ,  発見 ,  教師なし機械学習 ,  モデル