論文の概要: Public Health Advocacy Dataset: A Dataset of Tobacco Usage Videos from Social Media
- arxiv url: http://arxiv.org/abs/2411.13572v1
- Date: Tue, 12 Nov 2024 18:12:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-24 04:37:25.374204
- Title: Public Health Advocacy Dataset: A Dataset of Tobacco Usage Videos from Social Media
- Title(参考訳): 公衆衛生アドボケーション・データセット:ソーシャルメディアからのタバコ利用ビデオのデータセット
- Authors: Naga VS Raviteja Chappa, Charlotte McCormick, Susana Rodriguez Gongora, Page Daniel Dobbs, Khoa Luu,
- Abstract要約: Public Health Advocacy データセット (PHAD) は、TikTok や YouTube などのソーシャルメディアプラットフォームから提供されるタバコ製品に関連する5,730本のビデオの包括的なコレクションである。
このデータセットは430万フレームを含み、ユーザエンゲージメントメトリクス、ビデオ記述、検索キーワードなどの詳細なメタデータを含んでいる。
- 参考スコア(独自算出の注目度): 6.9114339814002745
- License:
- Abstract: The Public Health Advocacy Dataset (PHAD) is a comprehensive collection of 5,730 videos related to tobacco products sourced from social media platforms like TikTok and YouTube. This dataset encompasses 4.3 million frames and includes detailed metadata such as user engagement metrics, video descriptions, and search keywords. This is the first dataset with these features providing a valuable resource for analyzing tobacco-related content and its impact. Our research employs a two-stage classification approach, incorporating a Vision-Language (VL) Encoder, demonstrating superior performance in accurately categorizing various types of tobacco products and usage scenarios. The analysis reveals significant user engagement trends, particularly with vaping and e-cigarette content, highlighting areas for targeted public health interventions. The PHAD addresses the need for multi-modal data in public health research, offering insights that can inform regulatory policies and public health strategies. This dataset is a crucial step towards understanding and mitigating the impact of tobacco usage, ensuring that public health efforts are more inclusive and effective.
- Abstract(参考訳): Public Health Advocacy Dataset (PHAD) は、TikTokやYouTubeなどのソーシャルメディアプラットフォームからソースされたタバコ製品に関連する5,730本の動画の総合的なコレクションである。
このデータセットは430万フレームを含み、ユーザエンゲージメントメトリクス、ビデオ記述、検索キーワードなどの詳細なメタデータを含んでいる。
これは、タバコ関連のコンテンツとその影響を分析する貴重なリソースを提供する、これらの機能を備えた最初のデータセットである。
本研究は,VLエンコーダを組み込んだ2段階分類手法を用いて,様々な種類のタバコ製品や使用シナリオを正確に分類する上で,優れた性能を示す。
この分析は、特に電子タバコと電子タバコのコンテンツに関する重要なユーザーエンゲージメント傾向を明らかにし、公衆衛生介入を対象とする領域を強調している。
PHADは、公衆衛生研究におけるマルチモーダルデータの必要性に対処し、規制政策や公衆衛生戦略に影響を及ぼす洞察を提供する。
このデータセットは、タバコ使用の影響を理解し緩和するための重要なステップであり、公衆衛生活動がより包括的で効果的であることを保証する。
関連論文リスト
- DEFEND: A Large-scale 1M Dataset and Foundation Model for Tobacco Addiction Prevention [6.522584735276245]
Tobacco-1Mは、75の製品カテゴリにまたがる階層的なラベルを持つ100万のタバコ製品イメージの包括的なデータセットである。
DEFENDはタバコ製品の理解のための新しい基礎モデルである。
論文 参考訳(メタデータ) (2025-01-20T02:55:46Z) - FLAASH: Flow-Attention Adaptive Semantic Hierarchical Fusion for Multi-Modal Tobacco Content Analysis [27.116551819570063]
Flow-Attention Adaptive Semantic Hierarchical Fusion (FLAASH) は、タバコ関連のビデオコンテンツを包括的に分析するように設計されている。
FLAASHは、階層的な融合機構を活用することで、ショートフォームビデオにおける視覚情報とテキスト情報の統合の複雑さに対処する。
我々は,人気ソーシャルメディアプラットフォームからのタバコ関連ビデオの大規模コレクションであるMultimodal Tobacco Content Analysis dataset (MTCAD)上でFLAASHを評価した。
論文 参考訳(メタデータ) (2024-10-25T17:20:22Z) - Can GPT-4 Help Detect Quit Vaping Intentions? An Exploration of Automatic Data Annotation Approach [1.134802802099004]
近年、アメリカ合衆国は電子タバコや電子タバコの普及が著しく進んでいるのを目撃している。
本研究では、Reddit上の1つの電子タバコサブコミュニティからサンプルデータセットを抽出し、ユーザの電子タバコの停止意図を分析した。
我々は, GPT-4にタスクを説明するために, 詳細レベルが異なる8つのプロンプトを開発した。
論文 参考訳(メタデータ) (2024-06-28T18:06:48Z) - 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) - Utilizing Large Language Models to Identify Reddit Users Considering Vaping Cessation for Digital Interventions [1.134802802099004]
米国や他の国で電子タバコの使用や電子タバコの使用の人気が高まり、電子タバコが流行し、電子タバコの使用に伴う肺障害が発生している。
本研究では、Reddit上の1つの電子タバコサブコミュニティからサンプルデータセットを抽出し、ユーザの電子タバコの停止意図を分析した。
本研究は,最新のGPT-4と従来のBERTベースの言語モデルを含む大規模言語モデルを用いて,人間のアノテーションに対するこれらのモデルの結果を比較した。
論文 参考訳(メタデータ) (2024-04-25T15:45:58Z) - Into the LAIONs Den: Investigating Hate in Multimodal Datasets [67.21783778038645]
本稿では、LAION-400MとLAION-2Bの2つのデータセットの比較監査を通して、ヘイトフルコンテンツに対するデータセットのスケーリングの効果について検討する。
その結果、データセットのスケールによってヘイトコンテンツは12%近く増加し、質的にも定量的にも測定された。
また、画像のみに基づいて算出されたNot Safe For Work(NSFW)値に基づくデータセットの内容のフィルタリングは、アルトテキストにおける有害なコンテンツをすべて排除するものではないことがわかった。
論文 参考訳(メタデータ) (2023-11-06T19:00:05Z) - 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) - A Comprehensive Picture of Factors Affecting User Willingness to Use
Mobile Health Applications [62.60524178293434]
本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。
利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。
居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
論文 参考訳(メタデータ) (2023-05-10T08:11:21Z) - The Design and Implementation of a National AI Platform for Public
Healthcare in Italy: Implications for Semantics and Interoperability [62.997667081978825]
イタリア国立衛生局は、その技術機関を通じて人工知能を採用している。
このような広大なプログラムには、知識領域の形式化に特別な注意が必要である。
AIが患者、開業医、健康システムに与える影響について疑問が投げかけられている。
論文 参考訳(メタデータ) (2023-04-24T08:00:02Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳(メタデータ) (2020-11-17T15:18:38Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳(メタデータ) (2020-09-21T03:45:14Z)
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。