文献

J-GLOBAL ID：201702246761347549   整理番号：17A1501423

ジオコードソーシャルメディアデータから集団健康指標を予測するためのカーネルベース特徴【Powered by NICT】

Kernel-based features for predicting population health indices from geocoded social media data

著者 (8件)： Nguyen Thin (Deakin University, Australia) ,  Larsen Mark E. (Black Dog Institute, University of New South Wales, Australia) ,  O’Dea Bridianne (Black Dog Institute, University of New South Wales, Australia) ,  Nguyen Duc Thanh (Deakin University, Australia) ,  Yearwood John (Deakin University, Australia) ,  Phung Dinh (Deakin University, Australia) ,  Venkatesh Svetha (Deakin University, Australia) ,  Christensen Helen (Black Dog Institute, University of New South Wales, Australia)
資料名： Decision Support Systems  (Decision Support Systems)
巻： 102  ページ： 22-31  発行年： 2017年 
JST資料番号： D0487C  ISSN： 0167-9236  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： 集団健康指標を予測し,データの大規模に起因するツイートを用いた場合,集団によるツイートの凝集は集団を特徴付けるのに,学習特性の一般的な実務となってきた。これは個々のツイッター上の特徴を抽出するための計算コストを軽減するであろう。一方,人口のテキスト特徴の分布はこの集団の健康指標を同定するために重要である可能性があるので,集団に多くの情報が失われる。加えて,特徴間の関係することができ,これらの関係は,健康指標の予測情報を伝達する可能性がある。本論文では,ソーシャルメディアデータから個体群の健康指標の予測のための中間レベル特徴すなわちカーネルベース特徴を提案した。カーネルベース特徴である集団ツイッター上でのテキスト特徴の分布に抽出し,カーネル関数における個々のテキスト特徴間の関係をコードしていた。三異なるカーネル関数を用いた特徴を実装し,集団健康予測の二事例研究のためにそれらを適用した:を通した年予測とを横切る郡予測。カーネルベース特徴を評価し,比較行動危険因子サーベイランスシステムデータセットから収集したデータセットに関する既存の特徴であった。実験結果は,カーネルベースの特徴は,既存の技術よりも有意に高い予測性能を示し,16.3%まで,個体群レベルでのデータ分析に広いスペクトル応用の提案した特徴の可能性と適用性を示唆した。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： 個体群 ,  適応性 ,  学習 ,  データ解析 ,  *予測 ,  意思決定支援システム ,  事例研究
準シソーラス用語： *ソーシャルメディア ,  *健康 ,  Kernel関数 ,  テキスト ,  計算コスト ,  ツイッター ,  *健康状態指標 , 【Automatic Indexing@JST】

著者キーワード (6件)： 空間意思決定支援システム ,  地理参照型ソーシャルメディア ,  空間ビッグデータ ,  健康ランキング ,  ツイッター ,  カーネル関数

分類 (2件)： 経営工学一般  (KA01010C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 集団 ,  健康指標 ,  予測 ,  カーネル