May, 2023

尼日利亚新冠疫情可视化探索性数据分析：爆发两年后

PDF
TL;DR本文旨在通过使用大数据分析技术（包括探索性数据分析、可视化等）对 2020 年 2 月至 2022 年 7 月尼日利亚的新冠肺炎疫情数据进行分析，为 Covid-19 相关研究做出贡献并展示数据分析工具及技术的能力。
covid-19big data analyticsnigeriaexploratory data analysisvisualizations
发现论文，激发创造
  • 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

  • 新冠病毒（COVID-19）病例实时预测和风险评估：数据驱动分析

    本文旨在通过基于自回归综合移动平均模型和小波预测模型的混合方法，对加拿大、法国、印度、韩国和英国进行短期（10 天）预测，另外运用最优回归树算法对 50 个受疫情影响巨大的国家进行病死率风险评估，旨在有效分配医疗资源和提供政策决策的预警。

    Apr, 2020

  • 基于图聚类算法的 Covid-19 数据集分析研究

    COVID-19 病毒引发的新冠疫情已成为世界性的灾害，研究表明 AI 和机器学习算法可以通过分析蛋白质相互作用和基于图的聚类算法来提供有关病毒的重要信息。

    Aug, 2023

  • COVID-19 病例自适应预测的数据驱动方法研究

    通过数据驱动的方法和增量学习，该研究针对 SARS-CoV-2 等疫情的不确定性，成功解决了病毒爆发期间的准确预测问题。

    Sep, 2023

  • 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

  • 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

  • 一个用于开放科学研究的大规模 COVID-19 推特聊天数据集 -- 一个国际合作项目

    本文介绍了一份包含 1 月 1 日至 4 月 4 日之间各地 152 万条与 COVID-19 有关的推文的数据集，为研究社交动态、情感反应等提供支持。

    Apr, 2020

  • COVID-19 危机可视化的范围解析

    本研究通过对 668 个 COVID-19 可视化的分析，提出了一个从数据、信息、形式和环境等方面考虑的概念框架，旨在研究和记录 COVID-19 可视化数据对公众的影响和反应，并提供了未来可视化研究的方向性建议。

    Jan, 2021

  • 比较研究论文中用于预测非洲 COVID-19 病例的时间序列分析方法：文献综述

    该文献综述通过比较不同的时间序列分析方法，旨在预测非洲地区的 COVID-19 病例。该研究通过系统搜索 2020 年 1 月至 2023 年 7 月之间发表的英文研究论文，重点关注利用时间序列分析方法研究非洲地区 COVID-19 数据集的论文。采用 PubMed、Google Scholar、Scopus 和 Web of Science 等多个数据库进行了文献调查。研究论文经过评估，提取相关信息，包括时间序列分析模型的实施和性能。该研究突出了不同的方法学，并评估了它们在预测病毒传播方面的有效性和局限性。该综述的结果可以为该领域提供更深入的见解，未来的研究应考虑这些见解，以改进时间序列分析模型并探索不同方法的整合以提升公共卫生决策。

    Oct, 2023

  • 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

    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。

    Jul, 2020