文献

J-GLOBAL ID：202102222987564065   整理番号：21A0271923

機械学習とビッグデータストリーミングシステムを用いたリアルタイムにおけるコロナウイルスパンデミックの予測【JST・京大機械翻訳】

Predicting Coronavirus Pandemic in Real-Time Using Machine Learning and Big Data Streaming System

著者 (6件)： Zhang Xiongwei (School of Mathematics and Statistics, Yulin University, Yulin 719000, China) ,  Saleh Hager (Faculty of Computers and Information, Minia University, Minya, Egypt) ,  Saleh Hager (Faculty of Computers and Artificial Intelligence, South Valley University, Hurghada, Egypt) ,  Younis Eman M. G. (Faculty of Computers and Information, Minia University, Minya, Egypt) ,  Sahal Radhya (Faculty of Computer Science and Engineering, Hodeidah University, Al Hudaydah, Yemen) ,  Ali Abdelmgeid A. (Faculty of Computers and Information, Minia University, Minya, Egypt)
資料名： Complexity  (Complexity)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： W2044A  ISSN： 1076-2787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ツイッタは,コロナウイルスパンデミックのような現在の状況について,人々が彼らのポストと意見を共有する仮想ソーシャルネットワークである。それは,解析,予測,知識抽出,および意見に関して,機械学習研究のための最も重要なストリーミングデータソースであると考えられる。感情解析は,ソーシャルネットワークの出現により,さらに重要なテキスト解析法である。したがって,本論文では,コロナウイルスパンデミックに関するツイッターのためのツイッタストリーミングデータに関する感情予測のためのリアルタイムシステムを紹介した。提案したシステムは,コロナウイルス感情解析予測のために最良の性能を得る最適機械学習モデルを見つけて,次にそれをリアルタイムで使用することを目指した。提案システムを,オフライン感情解析を開発し,オンライン予測パイプラインをモデル化する2つの要素に開発した。システムは,オフラインとオンラインコンポーネントの2つのコンポーネントを持っている。システムのオフライン成分のために,歴史的ツイートのデータセットを,期間23/01/2020と01/06/2020で収集して,#COVID-19と#Coronavirusハッシュタグによって濾過した。テキストデータ解析の2つの特徴抽出法,n-gramおよびTF-IDを用いて,コロナウイルスハッシュタグを用いて収集したデータセットの本質的特徴を抽出した。次に,5つの規則的機械学習アルゴリズムを実行して,比較した:決定木,ロジスティック回帰,k-最近傍,ランダムフォレスト,およびサポートベクターマシンをオンライン予測成分のための最良モデルを選択するために。オンライン予測パイプラインを,TwitterストリーミングAPI,Apache Kafka,およびApache Sparkを用いて開発した。実験結果は,ユニグラム特徴抽出法を用いたRFモデルが最良の性能を達成し,コロナウイルスのTwitterストリーミングデータに関する感情予測のために使用することを示した。Copyright 2020 Xiongwei Zhang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  特徴抽出 ,  ディシジョンツリー ,  実時間処理 ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン ,  *ストリーミング
準シソーラス用語： ロジスティック回帰分析 ,  社会的ネットワーク ,  実時間 ,  オンライン ,  ランダムフォレスト ,  オフライン ,  ツイッター , 【Automatic Indexing@JST】

分類 (3件)： 自然語処理  (JE06000L) ,  その他の情報処理  (JE15050M) ,  応用心理学  (AE02000A)

引用文献 (30件)：

• H. Wang, Z. Wang, Y. Dong et al., "Phase-adjusted estimation of the number of coronavirus disease 2019 cases in Wuhan, China," Cell Discovery, vol. 6, no. 1, pp. 1-8, 2020.
• W. H. Organization, "Coronavirus," 2020, https://www.who.int/health-topics/coronavirus#tab=tab_1.
• G. Barkur, G. B. K. Vibha, "Sentiment analysis of nationwide lockdown due to COVID 19 outbreak: evidence from India," Asian Journal of Psychiatry, vol. 51, 2020.
• N. F. F. da Silva, L. F. S. Coletta, E. R. Hruschka, E. R. Hruschka Jr., "Using unsupervised information to improve semi-supervised tweet sentiment classification," Information Sciences, vol. 355-356, pp. 348-365, 2016.
• N. Coletta, "An ensemble classification system for twitter sentiment analysis," Procedia Computer Science, vol. 132, pp. 937-946, 2018.

タイトルに関連する用語 (3件)： 機械学習 ,  リアルタイム ,  予測