TY -的A2 -卡里尔,艾哈迈德Mostafa盟——张Xiongwei AU -萨利赫,海格盟——尤尼斯,埃曼·m·g . AU -萨哈Radhya AU -阿里,Abdelmgeid a . PY - 2020 DA - 2020/12/22 TI -实时预测冠状病毒大流行使用机器学习和大数据流系统SP - 6688912六世- 2020 AB - Twitter是一个虚拟的社交网络,人们分享他们的文章和观点对当前形势下,如冠状病毒大流行。它被认为是最重要的流数据来源为机器学习研究的分析、预测,知识提取和意见。情感分析是一个文本分析方法,得到了进一步的意义由于社会网络的出现。因此,本文介绍了实时系统的情绪预测使用Twitter的流数据对冠状病毒的大流行。该系统的目标是找到最优机器学习模型,获得最佳的性能对冠状病毒情绪分析预测,然后使用它在实时。拟议的系统已经发展成两个部分:开发一个在线离线情绪分析和建模预测管道。该系统有两个组件:离线和在线组件。离线的系统组件,历史推的数据集收集时间23/01/2020 01/06/2020和过滤的# COVID-19 #冠状病毒标签。文本数据分析的两种特征提取方法被使用,语法和TF-ID、提取数据集的基本特性,使用冠状病毒收集标签。然后,五个常规机器学习算法进行比较:决策树、逻辑回归, k最近的邻居,随机森林,支持向量机来选择最好的在线预测模型组件。研制了在线预测管道使用Twitter流API, Apache卡夫卡,和Apache火花。实验结果表明,使用unigram RF模型特征提取方法取得了最佳的性能,和用于情绪预测冠状病毒的Twitter流数据。SN - 1076 - 2787你——https://doi.org/10.1155/2020/6688912——10.1155 / 2020/6688912 JF - PB - Hindawi KW - ER -复杂性