Key points are not available for this paper at this time.
Die frühzeitige Vorhersage der Prävalenz von Influenza verringert ihre Auswirkungen. Verschiedene Studien wurden durchgeführt, um die Anzahl der von Influenza infizierten Personen vorherzusagen. Diese Studien sind jedoch nicht sehr genau, insbesondere in der fernen Zukunft, wie zum Beispiel über einen Monat. Um dieses Problem zu lösen, untersuchen wir das Sequenz-zu-Sequenz-(Seq2Seq)-Modell mit Aufmerksamkeit unter Verwendung von Google Trends-Daten, um die Anzahl der von Influenza infizierten Personen über mehrere Wochen hinweg zu bewerten und vorherzusagen. Die Google Trends-Daten helfen, die Dunkelziffern, einschließlich der Statistiken, auszugleichen und die Vorhersagegenauigkeit zu verbessern. Wir zeigen, dass der Aufmerksamkeitsmechanismus äußerst effektiv ist, um die Vorhersagegenauigkeit zu verbessern, und erreichen hochmoderne Ergebnisse mit einer Pearson-Korrelation und einem quadratischen Mittelwertfehler von 0,996 bzw. 0,67. Die Vorhersagegenauigkeit des Höhepunkts der Influenza-Epidemie ist jedoch nicht ausreichend, und es sind weitere Untersuchungen erforderlich, um dieses Problem zu überwinden.
Kondo et al. (Thu,) untersuchten diese Frage.