Jul, 2020

利用机器学习和自然语言处理方法来研究 COVID-19 研究的时间演变

PDF
TL;DR本研究通过多种数据源建立了多个机器学习模型对当前 COVID-19 研究场景进行了表征，包括识别潜在主题、分析出版物相似性和情感。结果表明 PubMed 和 ArXiv 中的研究类型存在显著区别，前者在 COVID-19 相关问题的多样性方面具有更大的多样性，后者则更关注预测 / 诊断 COVID-19 的智能系统 / 工具。研究团队对高危人群和并发症患者的特别关注也得到了证实。
covid-19sars-cov-2machine learningresearch topicspubmed and arxiv
发现论文，激发创造
  • 利用文本挖掘技术进行 COVID-19 文献挖掘和检索

    使用 NLP 技术，如词袋、平均词向量、平均 BERT 基础模型和 Tf-Idf 加权词向量模型，结合余弦相似度算法，在 CORD-19 数据集中找出与 COVID-19 主题有关的研究文献。

    May, 2022

  • 可视化 COVID-19 研究

    本文提供了一种结合大型数据建模、信息制图和趋势分析的新型自动化主题可视化方法，用于快速发现 COVID-19 疫情下的主题和研究资源，结果显示了有关社交隔离、医疗话题、病毒在不同地区的演变轨迹等信息，同时也表明了迫切需要快速自动化地进行大规模数据的搜索和浏览。

    May, 2020

  • 使用 LSTM 递归神经网络方法进行新冠病毒或 COVID-19 在线讨论的深度情绪分类和主题发现：自然语言处理

    本文采用自然语言处理技术，从社交媒体中提取 COVID-19 相关的讨论，并使用主题建模和 LSTM 循环神经网络方法进行情感分类，以深入了解公众意见，指导相关决策。

    Apr, 2020

  • 透过 Twitter 进行 COVID-19 主题建模的深度学习：Alpha、Delta 和 Omicron

    本研究使用深度学习模型，利用印度 Twitter 数据集，对 COVID-19 疫情的第一至第三波进行话题建模，发现官方治理、疫苗接种和疫情管理等是话题重叠的主题，并发现 COVID-19 疫情的政治、社会和经济情况下出现了新问题。研究结果表明，不同时期的主要话题与相应时间段流行的新闻媒体有强烈的定性相关性。该研究还具有扩展到其他国家和地区捕捉 COVID-19 疫情不同阶段的主要问题的潜力。

    Feb, 2023

  • 通过文献分析导航 COVID-19 研究领域：鸟瞰全局

    利用 NLP 技术（如命名实体识别和聚类算法）对 PubMed 数据库中的 LitCovid 文献进行分析，从中筛选出与 COVID-19 相关的生物实体、症状、并发症等，帮助人们快速了解 COVID-19 相关文献的主题和研究进展。

    Aug, 2020

  • 探索 COVID-19 大流行期间研究主题的演变

    基于 CORD-19 文本摘要的 CORToViz 可视化工具，利用最新科技，通过聚类文章并提取主题的方法，提供快速可视化主题内容和趋势的交互式仪表盘，适用于任何文本文档语料库的数据准备和结果可视化。

    Oct, 2023

  • 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

  • 利用人工智能预测 COVID-19 传播并分析其影响，以进行可持续的全球健康评估

    本篇文章尝试使用人工智能和深度学习来预测新冠病毒传播，并测试了该方法对识别病毒对胸部 X 光片的感染的效果。通过此研究，我们得出了结论：人工智能有助于识别疾病爆发的关键特征，这对保护人类免受这种致命疾病的影响具有重要意义。

    Apr, 2023

  • 与 SARS-CoV-2 和 COVID-19 相关的生物医学自然语言处理的英语词典、金标准语料库和银标准语料库

    本文介绍了一种自然语言处理工具包，其包括疾病、病毒、症状、蛋白质 / 基因、细胞类型、化学和物种等字典，以及使用这些字典生成的标准语料库，可用于训练和评价 COVID-19 相关的 NLP 工具和文本挖掘。该工具包可以用于疫情相关的各种文本分析任务，并且已经被用于创建 COVID-19 知识图谱，研究 COVID-19 相关术语的可变性与演化以及开发和基准测试文本挖掘工具。

    Mar, 2020

  • COVID-19 公众情绪分析及基于机器学习的推文分类

    通过对新冠病毒相关的推特数据进行情感分析和机器学习分类研究，对美国公众持续恐慌的情感变化进行监测和分析，结果表明短推特使用 Naive Bayes 算法能得到 91% 的分类准确率。

    May, 2020