39、利用互联网数据进行流感疫情监测与在线游戏消息优先级规划

利用互联网数据进行流感疫情监测与在线游戏消息优先级规划

在当今数字化时代，互联网数据的应用价值愈发凸显。一方面，它能助力公共卫生领域的流感疫情监测；另一方面，在在线游戏领域，也能通过消息优先级规划提升游戏服务质量。

利用谷歌搜索查询进行流感疫情检测

互联网搜索引擎已成为人们获取生活信息的重要渠道，其搜索数据能在一定程度上反映人们的活动趋势。近年来，一些研究表明搜索数据有助于检测公共卫生趋势和综合征监测。例如，有研究利用谷歌搜索数据检测流感疫情，相比传统监测方法，新方法在及时性上有显著提升。

现有模型及其不足

Ginsberg等人基于谷歌搜索引擎查询数据构建了简单线性回归模型，用于预测美国的流感样疾病（ILI），该模型能比美国疾病控制与预防中心（CDC）的流感报告提前两周发布结果。模型从5000万个最常见搜索查询中选出45个最匹配的查询，平均相关性达到0.97，这表明谷歌搜索查询数据确实对流感疫情具有预测性。然而，谷歌流感趋势模型存在严重缺陷，它对非季节性流感爆发不敏感，因为所选的45个查询无法随新流感症状的特征查询进行修正，在新流感预测方面无能为力。例如，2009年4月底新猪流感爆发时，该模型长时间预测失败，完全忽略了此次流感高峰的趋势。

为了改进谷歌流感趋势模型，J. A. Doornik将其扩展为具有日历效应的自回归模型。该模型使用滞后因变量捕捉长期周期，使用日历虚拟变量捕捉季节性和不对称效应，不仅提高了预测准确性，还具有自我修正能力。但当出现突然且前所未有的波动时，该模型仍无法捕捉转折点，未能解决转折点检测的关键问题。

时间序列数据与搜索查询数据的整合

流感是一种季节性传染病，在美国，C