文献

J-GLOBAL ID：202102258579864092   整理番号：21A0540557

ニュース-EDS:機械学習を用いたニュースベースの流行病サーベイランス【JST・京大機械翻訳】

News-EDS: News based Epidemic Disease Surveillance using Machine Learning

著者 (3件)： Azam Nazish (Al-Khawarizmi Institute of Computer Science, UET,Lahore,Pakistan) ,  Tahir Bilal (Al-Khawarizmi Institute of Computer Science, UET,Lahore,Pakistan) ,  Mehmood Muhammad Amir (Al-Khawarizmi Institute of Computer Science, UET,Lahore,Pakistan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOSST  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 伝統的手段による病気監視は,費用がかかり,時間がかかりやすいプロセスである。しかし,オンラインコンテンツの豊富さは,費用対効果が高く,積極的方法で病気監視の機会を提供した。一般に,ニュースやブログのようなオンライン非公式ソースは,異なる病気に関連する貴重な情報を提供する。このオンラインコンテンツから関連情報を効果的に抽出するために,効率的なメカニズムが必要とされる。テキスト分類のような伝統的手法は,監視を行うためのラベル付きデータセットとして curらされる新興疾患の事前知識を必要とする。しかし,新しい新興疾患はそのような事前知識を欠き,これらの方法を用いて追跡できない。本論文では,英語ニュース関連疾患の同定による監視を行うために,機械学習(News-EDS)を用いたニュースベースの流行病サーベイランスを提示する。最初に,機械学習分類器を用いて,流行しやすい病気の事前定義リストに関連するニュースを分類した。次に,ラベル付きデータセットと事前訓練単語埋込みを用いて,訓練過程中の分類器に未知な病気に関連したニュースを同定した。さらに,ニュースのテキストで議論された個々の疾患を同定するために,未知の疾患のニュースコンテンツに関する教師なしクラスタリングを行った。結果は,このシステムが,最大95%の精度で病気の予め定義されたリストに関連するニュースを分離できることを示した。未知の疾患同定のために,78%の精度を達成した。さらに,クラスタリングアルゴリズムは,クラスタの完全性と均一性値に対して,それぞれ,0.884と0.887の値を示す。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 英語 ,  クラスタ ,  *ニュース ,  完全性 ,  単語 ,  サーベイランス ,  *機械学習 ,  コンテンツ
準シソーラス用語： テキスト分類 ,  事前知識 ,  費用対効果 ,  ブログ ,  オンライン ,  クラスタリングアルゴリズム ,  教師なしクラスタリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ニュース ,  EDS ,  機械学習 ,  流行病 ,  サーベイランス