U of A dataforskaren Osmar Zaiane säger att det nya verktyget analyserar tweets efter plats, hälsoämne och känslor uttryckta för att ge folkhälsopersonal och sociologer en tydligare bild av lokala hälsotrender. Kredit:John Ulan
Ett nytt verktyg för maskininlärning, utvecklad av University of Alberta dataforskare, sållar bland miljontals Twitter-inlägg för att hjälpa dig att förstå hälso- och välmåendetrender i Alberta och i hela Kanada.
"Vi använder maskininlärning för att bestämma var tweets refererar till, dimensionen av hälsa de är relaterade till, och känslorna som uttrycks i varje tweet, " sa U från A dataforskaren Osmar Zaiane.
"Om vi kan göra det här ordentligt, vi kan få en bättre förståelse för hur det faktiskt är att leva på en viss plats, när det gäller hälsa och välbefinnande."
Verktyget, som heter Grebe, utnyttjar kraften i maskininlärning för att underlätta arbetet med hälsoövervakningsnätverk från Public Health Agency of Canada och U.S. Centers for Disease Control and Prevention, som i allmänhet förlitar sig på data som sammanställts från självrapporter eller information från vårdgivare som läkarmottagningar och sjukhus.
"Folkhälsoexperter är intresserade av att veta vad som händer i en viss stad eller provins, ", sa Zaiane. "Medan undersökningar är användbara former för att samla information, självrapporter kan också vara opålitliga eller felaktiga. Den här typen av verktyg tillåter folkhälsoexperter att studera människors beteende utöver deras självrapporter."
Forskarna använde maskininlärning för att identifiera sex dimensioner av hälsa – fysisk, emotionell, yrkesmässiga, social, andliga och intellektuella – såväl som de känslor som uttrycks i varje tweet och den relevanta platsen. Projektet började i Edmonton, utökades sedan till att omfatta hela Alberta och har sedan dess tillämpats på alla kanadensiska provinser.
"Verktyget låter experter gå igenom ett annat medium - i det här fallet Twitter - för att verifiera trender som de har hittat någon annanstans, till exempel genom undersökningar, samt verifiera annan forskning, sa Zaine.
"Vårt mål var inte att hitta trenderna själva. Snarare, Vårt mål var att bygga ett verktyg som låter folkhälsopersonal och sociologer analysera dessa trender."
När det är klart, Grebe kommer att göras tillgänglig för allmänheten såväl som för andra forskare genom öppen tillgång.
Studien, "Context Prediction in the Social Web Using Applied Machine Learning:A Study of Canadian tweeters, " presenterades vid 2018 IEEE/WIC/ACM International Conference on Web Intelligence.
