論文の概要: Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts
- arxiv url: http://arxiv.org/abs/2311.09066v2
- Date: Tue, 2 Apr 2024 05:43:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 12:23:14.928650
- Title: Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts
- Title（参考訳）: コミュニティ型ソーシャルメディア投稿における利用・誤用・付加の自己開示の同定
- Authors: Chenghao Yang, Tuhin Chakrabarty, Karli R Hochstatter, Melissa N Slavin, Nabila El-Bassel, Smaranda Muresan,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 26.161892748901252
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last decade, the United States has lost more than 500,000 people from an overdose involving prescription and illicit opioids making it a national public health emergency (USDHHS, 2017). Medical practitioners require robust and timely tools that can effectively identify at-risk patients. Community-based social media platforms such as Reddit allow self-disclosure for users to discuss otherwise sensitive drug-related behaviors. We present a moderate size corpus of 2500 opioid-related posts from various subreddits labeled with six different phases of opioid use: Medical Use, Misuse, Addiction, Recovery, Relapse, Not Using. For every post, we annotate span-level extractive explanations and crucially study their role both in annotation quality and model development. We evaluate several state-of-the-art models in a supervised, few-shot, or zero-shot setting. Experimental results and error analysis show that identifying the phases of opioid use disorder is highly contextual and challenging. However, we find that using explanations during modeling leads to a significant boost in classification accuracy demonstrating their beneficial role in a high-stakes domain such as studying the opioid use disorder continuum.
- Abstract（参考訳）: 米国では過去10年間で、処方薬と違法オピオイドによる過剰摂取で50万人以上が死亡している(USDHHS、2017年)。
医療従事者は、リスクの高い患者を効果的に識別できる堅牢でタイムリーなツールを必要とする。
Redditのようなコミュニティベースのソーシャルメディアプラットフォームは、ユーザーが不適切な薬物関連行動について議論するための自己開示を可能にする。
医療用, 誤用, 添加, 回復用, 再発用, 使用しない6種類のオピオイド使用をラベル付けした, 2500オピオイド関連ポストの適度なサイズコーパスを提出した。
すべての投稿において、我々は、スパンレベルの抽出的説明を注釈付けし、アノテーションの品質とモデル開発の両方において、それらの役割を決定的に研究します。
教師付き、少数ショット、ゼロショット設定において、いくつかの最先端モデルを評価する。
実験結果と誤差分析の結果,オピオイド使用障害の相の同定は文脈的かつ困難であることが示唆された。
しかし,モデリングにおける説明の活用は,オピオイド乱用障害連続体の研究などの高用量領域において,その有効性を示す分類精度を著しく向上させることがわかった。
関連論文リスト
- Reddit-Impacts: A Named Entity Recognition Dataset for Analyzing Clinical and Social Effects of Substance Use Derived from Social Media [6.138126219622993]
物質利用障害(SUD)は、データ駆動研究を通じて、問題とそのトレンドの理解を深める必要がある、世界的な関心事である。
ソーシャルメディアは、SUDに関するユニークな重要な情報源であり、特にそのような情報源のデータは、生きた経験を持つ人々によってしばしば生成されるためである。
本稿では,処方と違法なオピオイド,およびオピオイド使用障害の薬物に関する議論を専門とするサブレディットからキュレートされた,難解な名前付きエンティティ認識(NER)データセットであるReddit-Impactsを紹介する。
このデータセットは、研究の少ないが重要な、物質利用の側面に特に焦点を絞っている。
論文 参考訳（メタデータ） (2024-05-09T23:43:57Z) - 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) - 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) - "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) - Goal Driven Discovery of Distributional Differences via Language
Descriptions [58.764821647036946]
大きなコーパスを採掘することは有用な発見をもたらすが、人間には時間がかかる。
我々は、ゴール駆動方式で2つの大きなコーパス間の差異を自動的に発見する新しいタスクD5を定式化する。
本稿では,OpenD5 の幅広い応用について,これまで不明な発見を著者に提示する。
論文 参考訳（メタデータ） (2023-02-28T01:32:32Z) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳（メタデータ） (2022-11-14T18:47:26Z) - 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) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳（メタデータ） (2021-05-13T04:14:35Z) - eDarkTrends: Harnessing Social Media Trends in Substance use disorders
for Opioid Listings on Cryptomarket [10.220809005199781]
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。
論文 参考訳（メタデータ） (2021-03-29T16:58:26Z) - 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。