Twitter数据流预测流感爆发

恍惚恍惚又来到了文章的学习，想必大家又有很多问题吧!

oracle视频教程

Google 早在 2008 年推出了“流感趋势”网站。它建立的假设基础是：人们在遭受疾病困扰时，会比在身体健康时，花更多的时间搜索疾病相关内容。因此，通过分析一个国家，在特定时期的流感相关搜索量，便可以推算出病毒的传播情况。
这个预测非常靠谱，通常与美国疾病控制和预防中心（CDC）的数据相差无几。事实上，有几次传染病初期的预测，甚至比 CDC 早了一周之久。众所周知，疾病初期预测将为**及时采取部署，提供了有利的时机。
那么其他的在线服务，尤其是社交网络，能否做到相同甚至更好的预测呢？如今，问题有了答案。**梅隆大学的 Jiwei Li 和康乃尔大学的 Claire Cardie，成功利用 Twitter 预测了早期流感爆发。

他们的方式与 Google 十分类似。首先，他们从 Twitter 数据流中过滤包含与“流感”相关，并带有位置标签的 tweet；然后，在地图上标注这些 tweet 的位置分布，以及随时间产生的变化。同时，他们还制作了流感的动态变化模型。新模型中，流感包括 4 个阶段：无传染阶段、爆发阶段、稳定阶段以及衰退阶段。

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是成为赢得竞争的关键。
　　大数据的价值体现在以下几个方面：1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销;2) 做小而美模式的中长尾企业可以利用大数据做服务转型;3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。

不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”[5] 这确实是需要警惕的。

oracle教程
此外，他们采用了全新的算法，试图尽可能快得发现不同时期的转换节点。实际上，Li 和 Cardie 在 2008 年 6 月至 2010 年 6 月间，已经利用 100 万美国人的 360 万条 tweet ，验证了该方法的有效性。 为了检验他们的预测是否成真，Li 和 Cardie 将他们的分析与 CDC 进行对比。他们说，“我们确信，流感相关 tweet 与 CDC 提供的流感疾病案例数目，呈显著相关。 ”

oracle视频
这看上去是向流感疾病宣战强有力的武器。它不仅为疾病早期预测提供了新方式，同时，挑战了 CDC，以及 Google 的流感趋势网站。每年，全球约 10－15% 的人感染流感，引发 5000 万流感病例，造成近 50 万人死亡。这是一个不容忽视的庞大数字。如今，**和医疗机构可以借用 Twitter，更早、更实惠、更便捷得预测疫情，挽救更多的生命。

Oracle培训
译文链接：http://www.36kr.com/p/206868.html
英文原文：http://www.technologyreview.com/view/520116/twitter-datastream-used-to-predict-flu-outbreaks/

更多视频课程文章的课程，可到课课家官网查看。我在等你哟！！！