AAAIApr, 2015

从维基百科文章中获取疾病数据

PDF
TL;DR运用维基百科文章内容，基于命名实体识别器，实现对病例，死亡和住院人数在文章叙述中的标记，并且利用 2014 年西非埃博拉病毒疾病流行文章为案例研究，来展示与真实数据高度一致的详细时间序列数据，从而提出维基百科可以被用于创建第一个以社区为驱动的开源新兴疾病检测、监测和库存系统的观点。
internet-based disease surveillancenamed-entity recognizerwikipedia article contentemerging disease detectionopen-source repository system
发现论文，激发创造
  • 维基百科全球疾病监测与预测

    本文提出了一种新的基于维基百科网页访问日志的监测传染病的方案，并且通过实验证明这种方法具有高准确性和预测能力，可以用于全球各地的使用。

    May, 2014

  • 利用词汇驱动的 Word2vec 方法从非结构化文本中表征疾病

    本文介绍了一种基于疾病词汇的 word2vec 模型（Dis2Vec），用于自动创建疾病分类法，以便更准确地进行疾病监测。结果表明，Dis2Vec 比传统方法更能准确地捕捉不同类别疾病的分类属性，并且性能更好。

    Mar, 2016

  • 利用 Twitter 和医疗记录进行在线诊断的现场验证

    使用社交媒体数据进行疾病监测，提出了一种基于个人水平而非人口统计学水平的新的疾病监测系统，通过组合文本分析、异常检测和社交网络分析等手段，可以在个人水平诊断感染流感的准确性超过 99%。

    Apr, 2014

  • 全球 COVID-19 信息聚合系统

    本文介绍了一个建立在可靠的 COVID-19 网站数据集基础上的、面向世界各地用户的信息汇聚系统，该系统可帮助用户查找各地的 COVID-19 相关新闻，并通过神经机器翻译和基于 BERT 的主题分类器帮助用户高效地获取自己感兴趣的信息。

    Jul, 2020

  • BAND：生物医学警报新闻数据集

    介绍了一个包含 1508 个样本的医学警报新闻数据集，其中有 30 个流行病学相关问题，提供了几个基准任务，包括命名实体识别（NER）、问题回答（QA）和事件提取（EE），是流行病学家和 NLP 研究人员的重要资源。

    May, 2023

  • 基于文本的疫情情报综述：一个计算语言学角度

    本文调查了基于文本数据集的疫情情报中，选择相关文本和预测疫情事件的健康提及分类和健康事件检测方法，着重讨论了这两类方法中的计算语言学技术，同时提供了流行病情报的注释技术、资源和评估策略的最新状况。

    Mar, 2019

  • 开放领域科学主张验证的知识源对比

    本研究通过一系列实验测试了开放领域的声明验证系统的性能，在不同设置下使用三个常见知识来源（PubMed、Wikipedia、Google）和两种不同的信息检索技术，对四个生物医学和健康声明的最终预测进行了测试。结果显示，对于专门的生物医学声明，PubMed 表现更好，而对于日常健康问题，Wikipedia 更适合；而在检索精度方面，BM25 表现出色，而在相关证据的回收方面，语义搜索更具优势。在讨论结果、概述频繁的检索模式和挑战，并提供有前途的未来方向。

    Feb, 2024

  • 利用在线搜索追踪 COVID-19

    本研究使用在线搜索频率的时间序列来洞察多个国家的 COVID-19 盛行情况，并开发了基于联合王国国家卫生服务和公共卫生英格兰公共卫生实验室识别的相关症状类别的无监督建模技术。结果表明，基于在线搜索的模型比由报道的确诊病例和死亡事件组成的做出了更早的预测，并证明了在线搜索数据可以用来开发补充公共卫生监测方法，以帮助应对 COVID-19。

    Mar, 2020

  • 社交媒体事件检测与疫情预测

    社交媒体为时事趋势和事件提供了便捷获取信息的平台，我们通过开发一个提取和分析社交媒体帖子中流行病相关事件的框架，利用事件检测技术实现更好的灾害预防和预警，为新兴流行病的应对提供了基础。

    Apr, 2024

  • 基于不同噪声的随机疾病传播模型训练的早期预警指标

    使用深度学习算法基于噪声引起的传染病传播模型进行训练，提供了传染病暴发的早期警示指标，对真实 COVID-19 病例和受噪声影响的多样疾病传播模型的模拟时间序列的应用结果表明，该指标能够捕捉到疾病暴发时间序列的变化并且优于现有的指标，这对于提升公共卫生应对能力具有重要意义。

    Mar, 2024