基于议题类型的临近预测：使用社交媒体预测新冠肺炎疫情确诊人数

摘要

在新冠肺炎疫情中，预测感染人数对于疫情防控至关重要。不同于其他传统媒体平台，社交媒体数据为预测新冠肺炎的新增人数提供了一个新的角度。传统利用关键词预测的方法存在局限性，如何利用中国社交媒体数据，摆脱关键词的限制，更好地预测重大突发公共卫生事件的确诊人数?本文基于临近预测的理论框架，人工编码9000条微博文本，构建机器学习模型，将4300万条新浪微博数据自动化分为九类，创新地使用议题类型预测确诊人数，通过格兰杰因果检验进行验证。研究发现科普信息、公益捐赠、寻人求助等议题类型是新增确诊人数的格兰杰原因。此外，本文构建的弹性网络算法准确度达到83%,实现了较为精准的预测，有助于我们更好应对潜在的突发公共卫生事件。