推特能預測你在哪裏會食物中毒嗎? - 彭博社
bloomberg
亞當·薩迪萊克根據美國疾病控制與預防中心的數據,2011年,每六個美國人中就有一個,或4800萬人,遭受某種食源性疾病的困擾。羅切斯特大學的一組計算機科學家認為,這些高數字是完全可以預防的。這就是nEmesis背後的動機——一個通過解析來自Twitter的大量地理標記數據來追蹤食物中毒的系統。
nEmesis的基礎是一個算法(基於機器學習),可以識別出暗示推特用户生病的推文。通過在亞馬遜的Mechanical Turk項目中使用眾包工人,該算法進一步訓練以識別可能感染食源性疾病的人的推文。利用這個不斷微調的“腦”,nEmesis“傾聽”在經過驗證的餐廳位置標記的推文,並跟蹤同一用户的推文72小時。如果這些用户中的任何人推文提到感到不適,nEmesis會捕捉到這些信息並追溯到該人吃過的地方。
彭博社城市實驗室貝爾法斯特的中央車站為北愛爾蘭的公共交通創造了新時代普利茲克表示,芝加哥應考慮所有預算危機的解決方案消除美國道路死亡的月球計劃AOC 提議 300 億美元社會住房管理局nEmesis 在檢測高風險餐廳方面的有效性如何?在四個月的時間裏,該系統從紐約市的 94,000 名獨特用户中挖掘了 380 萬條推文。根據這些數據,它追蹤了 23,000 名餐廳訪客,並確定了 480 例可能的食物中毒報告。根據這些信息,研究人員根據顧客在該餐廳感染食源性疾病的可能性對餐廳進行了排名。然後將此排名與基於紐約市衞生局檢查結果的同類排名進行了比較。研究人員發現這兩個排名之間有三分之一的重疊。
表面上看,剩餘的差異似乎指向 nEmesis 的不準確性。但根據亞當·薩迪萊克的説法,他在羅切斯特大學作為博士後研究員開始了這個項目,這些差異是最令人興奮的部分。這是因為它們給 nEmesis 提供了質疑和驗證檢查數據的機會,薩迪萊克在新聞稿中表示,“這也不是完美的。”
目前,城市衞生局每年至少對餐廳進行一次不定期檢查,薩迪萊克將這一過程比作“擲骰子”。因為 nEmesis 實時工作,如果某家餐廳某天出現了一批壞雞肉,該系統可以及時提醒檢查員去檢查該餐廳。如果沒有這種“適應性檢查”過程,一起“壞雞肉”事件可能會導致一些顧客生病,但在下次隨機檢查中仍然未被發現。薩迪萊克表示,主要目標是讓 nEmesis 和衞生機構合作,產生最準確和最新的排名,以便人們能夠做出明智的決策。
Sadilek 看到 nEmesis 以移動應用的形式出現,就像一個食物中毒版本的 GermTracker, 這是他之前的一個項目,使用類似的技術向用户展示周圍誰得了流感。
儘管 Sadilek 已經在羅切斯特大學完成了研究,他表示該項目將繼續在前顧問亨利·考茨和新的學生研究人員的指導下進行。與此同時,我們可能應該繼續進行那些餐廳簽到——它們可能會幫助其他人避免一個糟糕的夜晚。