論文の概要: Understanding the Dynamics between Vaping and Cannabis Legalization Using Twitter Opinions

• arxiv url: http://arxiv.org/abs/2106.11029v1
• Date: Fri, 4 Jun 2021 15:34:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-27 12:01:09.849005
• Title: Understanding the Dynamics between Vaping and Cannabis Legalization Using Twitter Opinions
• Title（参考訳）: Twitterオピニオンを用いた電子タバコと大麻の合法化のダイナミクスの理解
• Authors: Shishir Adhikari, Akshay Uppal, Robin Mermelstein, Tanya Berger-Wolf, Elena Zheleva
• Abstract要約: 大麻に関する意見を含むTwitterのデータと、非常に人気のある電子タバコブランドであるJUULを分析します。 我々は,レクリエーション大麻の合法化政策が,すでに電子タバコを好んでいるユーザに対するプロ大麻の態度向上に効果があることを発見した。
• 参考スコア（独自算出の注目度）: 3.9490204272684872
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Cannabis legalization has been welcomed by many U.S. states but its role in escalation from tobacco e-cigarette use to cannabis vaping is unclear. Meanwhile, cannabis vaping has been associated with new lung diseases and rising adolescent use. To understand the impact of cannabis legalization on escalation, we design an observational study to estimate the causal effect of recreational cannabis legalization on the development of pro-cannabis attitude for e-cigarette users. We collect and analyze Twitter data which contains opinions about cannabis and JUUL, a very popular e-cigarette brand. We use weakly supervised learning for personal tweet filtering and classification for stance detection. We discover that recreational cannabis legalization policy has an effect on increased development of pro-cannabis attitudes for users already in favor of e-cigarettes.
• Abstract（参考訳）: 大麻の合法化は多くの州で歓迎されているが、タバコの電子タバコから大麻の電子タバコへのエスカレーションにおける役割は不明である。 一方、大麻の授乳は、新しい肺疾患や青年期の使用の増加と関連している。 我々は,大麻の合法化がエスカレーションに与える影響を理解するために,電子タバコ利用者の親カンナビス態度の発達に対するレクリエーション大麻の合法化の因果効果を推定する観察的研究を設計した。 我々は、大麻と非常に人気のある電子タバコブランドであるJUULに関する意見を含むTwitterデータを収集し分析する。 個人ツイートのフィルタリングやスタンス検出のための分類に弱い教師付き学習を用いる。 我々は,レクリエーション大麻の合法化政策が,すでに電子タバコを好んでいるユーザに対するプロ大麻の態度向上に効果があることを発見した。

関連論文リスト

• High Expectations: An Observational Study of Programming and Cannabis Intoxication [10.628808257929627]
  一部のプロフェッショナルは、仕事関連のタスクでもプログラミングしながら、定期的に大麻を使用します。 大麻のプログラミングへの影響は様々であり、しばしば矛盾する。 本稿では,大麻がプログラミング能力に与える影響について,初めて制御された観察的研究を行った。
  論文  参考訳（メタデータ） (2024-02-29T14:26:05Z)
• 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)
• 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)
• Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
  医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。 医師は新型ワクチンよりもワクチンの有効性を懸念している。 看護婦は子供に対する潜在的な副作用にもっと注意を払う。
  論文  参考訳（メタデータ） (2022-09-11T14:22:16Z)
• Interpretable Feature Learning Framework for Smoking Behavior Detection [0.0]
  深層学習VGG-16事前学習ネットワークを用いた喫煙行動検出のための解釈可能な特徴学習フレームワーク また、雑草、シシャ、マリファナなど、他の喫煙可能な薬物も検出できる。
  論文  参考訳（メタデータ） (2021-12-12T11:05:35Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• "Is depression related to cannabis?": A knowledge-infused model for Entity and Relation Extraction with Limited Supervision [15.474688705696348]
  ドメインの専門家によって注釈付けされた3つのカテゴリ – 推論、エフェクト、追加 – の関連性を含むつぶやきを使用する。 最先端のNatural Langauge Processing技術は、大麻のフレーズとうつ病の指標の間の関係を抽出するのに不足している。 我々は,広範囲なコーパスで訓練された GPT-3 と併用して教師付きコントラスト学習を行い,限られた監督下でも性能の向上を実現している。
  論文  参考訳（メタデータ） (2021-02-01T23:02:43Z)
• "When they say weed causes depression, but it's your fav antidepressant": Knowledge-aware Attention Framework for Relationship Extraction [5.998711621261398]
  本研究では,大麻使用と抑うつの関係を明らかにするために,ドメイン固有の知識を学習プロセスに取り入れることの価値を実証する。 我々は、事前学習されたBERT言語表現モデルとドメイン固有の宣言的知識源を活用する、エンドツーエンドの知識注入ディープラーニングフレームワーク(Gated-K-BERT)を開発した。 実験結果から,BERTと関連づけた知識・意識的表現を取り入れることで,大麻・抑うつ関係をより良好なカバレッジで抽出できることが示唆された。
  論文  参考訳（メタデータ） (2020-09-21T19:54:42Z)
• 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)
• Whose Tweets are Surveilled for the Police: An Audit of Social-Media Monitoring Tool via Log Files [69.02688684221265]
  我々はCorvallis (Oregon) Police DepartmentによるDigitalStakeoutというソーシャルメディア監視ソフトウェアの使用からログファイルを入手した。 これらのログファイルには、DigitalStakeoutによるプロプライエタリな検索の結果が含まれている。 ツイートがDigitalStakeoutによってフラグ付けされているユーザーの人口統計と、地域のTwitterユーザーの人口統計との差異を観察する。
  論文  参考訳（メタデータ） (2020-01-23T19:35:12Z)

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。