論文の概要: eDarkTrends: Harnessing Social Media Trends in Substance use disorders for Opioid Listings on Cryptomarket

• arxiv url: http://arxiv.org/abs/2103.15764v1
• Date: Mon, 29 Mar 2021 16:58:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-30 15:09:28.593615
• Title: eDarkTrends: Harnessing Social Media Trends in Substance use disorders for Opioid Listings on Cryptomarket
• Title（参考訳）: edarktrends: 暗号通貨市場におけるオピオイド表示のための薬物使用障害におけるソーシャルメディアの動向
• Authors: Usha Lokala, Francois Lamy, Triyasha Ghosh Dastidar, Kaushik Roy, Raminta Daniulaityte, Srinivasan Parthasarathy, Amit Sheth
• Abstract要約: 本研究は,ソーシャルメディア上で,オピオイドが仮想通貨市場で販売されている場合の薬物乱用記事を分析した。 我々は、薬物乱用オントロジー、最先端のディープラーニング、およびBERTベースのモデルを使用して、ソーシャルメディア投稿に対する感情と感情を生成する。 時間的介入が必要なオピオイド症例の分離を支援するため, 政策形成に有効であると考えられた。
• 参考スコア（独自算出の注目度）: 10.220809005199781
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Opioid and substance misuse is rampant in the United States today, with the phenomenon known as the opioid crisis. The relationship between substance use and mental health has been extensively studied, with one possible relationship being substance misuse causes poor mental health. However, the lack of evidence on the relationship has resulted in opioids being largely inaccessible through legal means. This study analyzes the substance misuse posts on social media with the opioids being sold through crypto market listings. We use the Drug Abuse Ontology, state-of-the-art deep learning, and BERT-based models to generate sentiment and emotion for the social media posts to understand user perception on social media by investigating questions such as, which synthetic opioids people are optimistic, neutral, or negative about or what kind of drugs induced fear and sorrow or what kind of drugs people love or thankful about or which drug people think negatively about or which opioids cause little to no sentimental reaction. We also perform topic analysis associated with the generated sentiments and emotions to understand which topics correlate with people's responses to various drugs. Our findings can help shape policy to help isolate opioid use cases where timely intervention may be required to prevent adverse consequences, prevent overdose-related deaths, and worsen the epidemic.
• Abstract（参考訳）: オピオイドと薬物の誤用は、今日ではアメリカ合衆国で広まり、オピオイド危機として知られる現象である。 物質使用と精神健康の関係は広く研究されており、物質乱用が精神健康の悪化を引き起こす可能性がある。 しかし、この関係に関する証拠の欠如により、オピオイドは法的な手段でほとんどアクセスできない。 本研究は,オピオイドが暗号市場リストを通じて販売されているソーシャルメディア上の誤用投稿を分析した。 We use the Drug Abuse Ontology, state-of-the-art deep learning, and BERT-based models to generate sentiment and emotion for the social media posts to understand user perception on social media by investigating questions such as, which synthetic opioids people are optimistic, neutral, or negative about or what kind of drugs induced fear and sorrow or what kind of drugs people love or thankful about or which drug people think negatively about or which opioids cause little to no sentimental reaction. また、生成した感情や感情に関連するトピック分析を行い、どのトピックが様々な薬物に対する人々の反応と関連しているかを理解する。 今回の知見は,副作用の予防や過剰摂取関連死の予防,流行の悪化に時間的介入が必要となるオピオイドの使用事例を分離するための方針形成に寄与する。

関連論文リスト

• Learning to Describe for Predicting Zero-shot Drug-Drug Interactions [54.172575323610175]
  薬物と薬物の相互作用は同時投与の有効性を損なう可能性がある。 従来のDDI予測の計算手法では、知識不足のため、新しい薬物の相互作用を捉えることができない可能性がある。 言語モデルに基づくDDI予測器と強化学習(RL)に基づく情報セレクタを用いたテキストDDIを提案する。
  論文  参考訳（メタデータ） (2024-03-13T09:42:46Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Detection of Opioid Users from Reddit Posts via an Attention-based Bidirectional Recurrent Neural Network [11.491225833044021]
  我々は、Redditでオピオイドユーザーを特定する機械学習の最近の進歩を活用している。 1ヶ月で3つのサブレディットに投稿した1000人以上のユーザーからの投稿が収集された。 我々は,オピオイドユーザを特定するために,注目に基づく双方向長短メモリモデルを適用した。
  論文  参考訳（メタデータ） (2024-02-09T22:12:20Z)
• Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts [26.161892748901252]
  我々は,オピオイド使用の6つの異なる位相をラベル付けした,様々なサブレディットからの2500オピオイド関連ポストのコーパスを提示する。 すべての投稿で、私たちは、アノテーションの品質とモデル開発の両方において、スパンレベルの説明を注釈付けし、彼らの役割を決定的に研究します。
  論文  参考訳（メタデータ） (2023-11-15T16:05:55Z)
• The Evolution of Substance Use Coverage in the Philadelphia Inquirer [5.417001678982669]
  この研究はフィラデルフィア・インクワイアラーで10年間に出版された157,476の論文を分析した。 大麻と麻薬は最も頻繁に議論される薬物のクラスである。 幻覚剤は他のカテゴリーよりも肯定的に描写されるのに対し、麻薬は最も否定的に描写される。
  論文  参考訳（メタデータ） (2023-07-03T19:09:04Z)
• "Can We Detect Substance Use Disorder?": Knowledge and Time Aware Classification on Social Media from Darkweb [0.08388591755871731]
  本研究は,オピオイドを暗号市場上場を通じて販売するソーシャルメディア上での物質使用状況を分析した。 我々は、薬物乱用オントロジー、最先端のディープラーニング、知識を意識したBERTベースのモデルを用いて、感情と感情を生成する。 我々は、暗号市場データをクロールして、フェンタニル、フェンタニル類縁体、その他の新しい合成オピオイドの抽出に利用した方法について論じる。
  論文  参考訳（メタデータ） (2023-04-20T17:47:13Z)
• Knowledge-Driven New Drug Recommendation [88.35607943144261]
  既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。 EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。 その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
  論文  参考訳（メタデータ） (2022-10-11T16:07:52Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
  誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。 偏光と誤情報付着が密接な関係にあると仮定する。
  論文  参考訳（メタデータ） (2022-06-30T12:34:24Z)
• Patterns of Routes of Administration and Drug Tampering for Nonmedical Opioid Consumption: Data Mining and Content Analysis of Reddit Discussions [0.0]
  我々は、半自動情報検索アルゴリズムを用いて、非医療オピオイド消費について議論するサブレディットを同定した。 我々は,物質や投与経路の選好をモデル化し,その頻度と時間的展開を推定した。 フェンタニルパッチを噛んだり、ブプレノルフィンを舌下から溶かすなどの乱用行動の証拠が発見された。
  論文  参考訳（メタデータ） (2021-02-22T18:14:48Z)
• Computational Support for Substance Use Disorder Prevention, Detection, Treatment, and Recovery [62.9980747784214]
  物質使用障害には、アルコール、オピオイド、マリファナ、メタンフェタミンの誤用が含まれる。 成人12人中1人が薬物使用障害を患っている。 全米薬物乱用協会(National Institute on Drug Abuse)は、SUDが年間5200億ドルの費用を負担していると推計している。
  論文  参考訳（メタデータ） (2020-06-23T18:30:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。