검색어 빈도 데이터를 반영한코로나 19 확진자수 예측 딥러닝 모델 (Predicting the Number of Confirmed COVID-19 Cases Using Deep Learning Models with Search Term Frequency Data)

서지정보

· 발행기관 : 한국정보처리학회
· 수록지 정보 : 정보처리학회 논문지 / 12권 / 9호 / 387 ~ 398페이지
· 저자명 : 정성욱

초록

코로나 19 유행은 인류 생활 방식과 패턴에 큰 영향을 주었다. 코로나 19는 침 방울(비말)은 물론 공기를 통해서도 감염되기 때문에 가능한대면 접촉을 피하고 많은 사람이 가까이 모이는 장소는 피할 것을 권고하고 있다. 코로나 19 환자와 접촉했거나 코로나 19 환자가 발생한 장소에있었던 사람이 코로나 19에 감염되었을 것을 염려한다면 구글에서 코로나 19 증상을 찾아볼 것이라고 충분히 예상해 볼 수 있다. 본 연구에서는과거 독감 감시와 관리에 중요 역할을 했었던 구글 트렌드(Google Trends)를 다시 소환하고 코로나 19 확진자수 데이터와 결합하여 미래의 코로나19 확진자수를 예측할 수 있을지 딥러닝 모델(DNN & LSTM)을 사용한 탐색적 데이터 분석을 실시하였다. 특히 이 연구에 사용된 검색어 빈도데이터는 공개적으로 사용할 수 있으며 사생활 침해의 우려도 없다. 심층 신경망 모델(DNN model)이 적용되었을 때 한국에서 가장 많은 인구가사는 서울(960만 명)과 두 번째로 인구가 많은 부산(340만 명)에서는 검색어 빈도 데이터를 포함하여 예측했을 때 더 낮은 오류율을 기록했다.
이와 같은 분석 결과는 검색어 빈도 데이터가 일정 규모 이상의 인구수를 가진 도시에서 중요한 역할을 할 수 있다는 것을 보여주는 것이다. 우리는이와 같은 예측이 더 강력한 예방 조치의 실행이나 해제 같은 정책을 결정하는데 근거 자료로 충분히 사용될 수 있을 것으로 믿는다.

영어초록

The COVID-19 outbreak has significantly impacted human lifestyles and patterns. It was recommended to avoid face-to-face contactand over-crowded indoor places as much as possible as COVID-19 spreads through air, as well as through droplets or aerosols. Therefore,if a person who has contacted a COVID-19 patient or was at the place where the COVID-19 patient occurred is concerned that he/shemay have been infected with COVID-19, it can be fully expected that he/she will search for COVID-19 symptoms on Google. In thisstudy, an exploratory data analysis using deep learning models(DNN & LSTM) was conducted to see if we could predict the number ofconfirmed COVID-19 cases by summoning Google Trends, which played a major role in surveillance and management of influenza, againand combining it with data on the number of confirmed COVID-19 cases. In particular, search term frequency data used in this studyare available publicly and do not invade privacy. When the deep neural network model was applied, Seoul (9.6 million) with the largestpopulation in South Korea and Busan (3.4 million) with the second largest population recorded lower error rates when forecasting includingsearch term frequency data. These analysis results demonstrate that search term frequency data plays an important role in cities witha population above a certain size. We also hope that these predictions can be used as evidentiary materials to decide policies, suchas the deregulation or implementation of stronger preventive measures.

참고자료

· 없음