Biblioteca122.294 documentos en línea

Artículo

Early Detection of Seasonal Outbreaks from Twitter Data Using Machine Learning ApproachesDetección temprana de brotes estacionales a partir de datos de Twitter utilizando enfoques de aprendizaje automático.

Resumen

Los brotes estacionales tienen varios períodos diferentes que ocurren principalmente durante el invierno en regiones templadas, mientras que la influenza puede ocurrir durante todo el año en regiones tropicales, desencadenando brotes de manera más irregular. De manera similar, el dengue ocurre al comienzo de la temporada de lluvias a principios de mayo y alcanza su pico a finales de junio. El dengue y la gripe tuvieron un impacto en varios países en los años 2017-2019 y los datos de Twitter en tiempo real revelan el estado de los brotes de dengue y gripe en las regiones más afectadas. Este trabajo de investigación presenta que el Análisis de Medios Sociales (SMA) puede ser utilizado como un detector del brote epidémico y para comprender el sentimiento de los usuarios de redes sociales con respecto a diversas enfermedades. Brindar conciencia sobre los brotes estacionales a través del SMA es un enfoque efectivo para que los investigadores y los profesionales de la salud detecten los brotes tempranamente. El modelo propuesto tiene como objetivo encontrar

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento