論文の概要: Detection of Opioid Users from Reddit Posts via an Attention-based Bidirectional Recurrent Neural Network
- arxiv url: http://arxiv.org/abs/2403.15393v1
- Date: Fri, 9 Feb 2024 22:12:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:13:49.313292
- Title: Detection of Opioid Users from Reddit Posts via an Attention-based Bidirectional Recurrent Neural Network
- Title（参考訳）: 意識に基づく双方向リカレントニューラルネットワークによるReddit投稿からのオピオイドユーザ検出
- Authors: Yuchen Wang, Zhengyu Fang, Wei Du, Shuai Xu, Rong Xu, Jing Li,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 11.491225833044021
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The opioid epidemic, referring to the growing hospitalizations and deaths because of overdose of opioid usage and addiction, has become a severe health problem in the United States. Many strategies have been developed by the federal and local governments and health communities to combat this crisis. Among them, improving our understanding of the epidemic through better health surveillance is one of the top priorities. In addition to direct testing, machine learning approaches may also allow us to detect opioid users by analyzing data from social media because many opioid users may choose not to do the tests but may share their experiences on social media anonymously. In this paper, we take advantage of recent advances in machine learning, collect and analyze user posts from a popular social network Reddit with the goal to identify opioid users. Posts from more than 1,000 users who have posted on three sub-reddits over a period of one month have been collected. In addition to the ones that contain keywords such as opioid, opiate, or heroin, we have also collected posts that contain slang words of opioid such as black or chocolate. We apply an attention-based bidirectional long short memory model to identify opioid users. Experimental results show that the approaches significantly outperform competitive algorithms in terms of F1-score. Furthermore, the model allows us to extract most informative words, such as opiate, opioid, and black, from posts via the attention layer, which provides more insights on how the machine learning algorithm works in distinguishing drug users from non-drug users.
- Abstract（参考訳）: オピオイドの流行は、オピオイドの使用と依存の過剰摂取による入院や死亡の増加を指しており、米国では深刻な健康問題となっている。
この危機に対処するために、連邦政府や地方自治体、医療コミュニティによって多くの戦略が開発されてきた。
そのうちの1つは、より良い健康監視を通じて、疫病に対する理解を深めることが最優先事項である。
直接テストに加えて、多くのオピオイドユーザーがテストを行わず、匿名でソーシャルメディアで経験を共有することができるため、オピオイドユーザーをソーシャルメディアから分析することで検出することもできる。
本稿では,オピオイドユーザを特定することを目的として,人気ソーシャルネットワークRedditのユーザ投稿を収集し,分析する機械学習の最近の進歩を活用する。
1ヶ月間に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。
オピオイド、オピオイト、ヘロインなどのキーワードを含むものに加えて、黒やチョコレートなどのオピオイドのスラング語を含むポストも収集した。
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。
実験の結果,F1スコアでは競合アルゴリズムよりも有意に優れていた。
さらに、このモデルにより、注目層を介して投稿からオピエート、オピオイド、ブラックなどの最も情報に富んだ単語を抽出することが可能となり、この機械学習アルゴリズムがドラッグユーザーと非ドラッグユーザーを区別する方法についてより深い洞察が得られる。
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) - 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) - ADRNet: A Generalized Collaborative Filtering Framework Combining
Clinical and Non-Clinical Data for Adverse Drug Reaction Prediction [49.56476929112382]
逆薬物反応(ADR)予測は、医療と薬物発見において重要な役割を果たす。
ADRNetは、臨床データと非臨床データを組み合わせた一般的な協調フィルタリングフレームワークである。
論文 参考訳（メタデータ） (2023-08-03T11:28:12Z) - "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) - Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。
本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
論文 参考訳（メタデータ） (2022-02-08T09:42:08Z) - Identifying Illicit Drug Dealers on Instagram with Large-scale
Multimodal Data Fusion [18.223055392013542]
Instagramなどのソーシャルメディアサイトを経由した違法薬物の売買は深刻な問題となっている。
ソーシャルメディアのデータから違法な麻薬ディーラーを識別する方法は、依然として技術的課題である。
本稿では,大規模マルチモーダルデータセットの構築により,違法な麻薬ディーラー識別の問題に取り組むことを提案する。
論文 参考訳（メタデータ） (2021-08-18T04:29:47Z) - 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) - 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。