COVID-19 확산 방지를 위한 시맨틱 진단 및 추적시스템

A Semantic Diagnosis and Tracking System to Prevent the Spread of COVID-19

본 논문은 대도시에서의 COVID-19 바이러스 확산을 막기 위해, 대한민국 서울의 감염 상황에 대한 클러스터 분석을 통한 링크드 데이터 기반 시맨틱 진단 및 추적 시스템을 제안한다. 본 논문은 크게 3개의 섹션으로 구성되어 있는데, 클러스터 분석을 위해 서울의 감염자 정보를 수집하고, 중요한 감염 환자 속성을 추출하여 랜덤 포레스트를 기반으로 한 진단 모델을 구축하고, 그리고 링크드 데이터를 기반으로 한 추적 시스템을 설계하고 구현한다. 실험 결과 진단 모델의 정확도가 80% 이상으로 나타났으며, 더군다나 본 논문에서 제안한 추적 시스템은 기존 시스템들보다 더 유연하고 개방적이며 시맨틱 쿼리도 지원한다.

In order to prevent the further spread of the COVID-19 virus in big cities, this paper proposes a semantic diagnosis and tracking system based on Linked Data through the cluster analysis of the infection situation in Seoul, South Korea. This paper is mainly composed of three sections, information of infected people in Seoul is collected for the cluster analysis, important infected patient attributes are extracted to establish a diagnostic model based on random forest, and a tracking system based on Linked Data is designed and implemented. Experimental results show that the accuracy of our diagnostic model is more than 80%. Moreover, our tracking system is more flexible and open than existing systems and supports semantic queries.