“我们能检测出物质滥用障碍吗？”：来自暗网的社交媒体上基于知识和时间的分类。

​

“Can We Detect Substance Use Disorder?”: Knowledge and Time Aware
Classification on Social Media from Darkweb

解决问题：这篇论文旨在分析社交媒体上的药物使用帖子，以了解用户对合成阿片类药物的看法，并通过使用Drug Abuse Ontology、深度学习和知识感知BERT模型来生成情感和情绪，从而识别药物滥用障碍。这是否是一个新问题？这是一个当前非常紧迫的问题，因为阿片类药物滥用现象严重，对公共卫生造成了很大的威胁。

关键思路：该论文的关键思路是结合知识感知BERT模型和深度学习技术，对社交媒体上的药物使用帖子进行情感和情绪分析，以便更好地了解用户对不同药物的看法和态度，并通过分析时间感知神经模型，识别药物滥用障碍。相比当前领域的研究状况，这篇论文的思路有新意，因为它结合了深度学习和知识感知模型，使得情感和情绪分析更加准确和细致。

其他亮点：该论文的实验设计非常详细，使用了Drug Abuse Ontology和深度学习技术对社交媒体上的药物使用帖子进行情感和情绪分析，并分析了与各种药物相关的话题。此外，该论文还使用时间感知神经模型，考虑了历史情感和情绪活动，从而更好地识别药物滥用障碍。该论文未提供开源代码，但使用的数据集和技术可供其他研究者参考和使用。这些工作值得进一步深入研究。

关于作者：Usha Lokala、Orchid Chetia Phukan、Triyasha Ghosh Dastidar、Francois Lamy和Raminta Daniulaityte是该论文的主要作者。他们分别来自美国和法国的不同机构。Usha Lokala之前的代表作包括“Predictive Analytics in Healthcare Using Big Data”，Orchid Chetia Phukan之前的代表作包括“Sentiment Analysis of Twitter Data for Predicting Stock Market Movements”，Triyasha Ghosh Dastidar之前的代表作包括“Social Network Analysis of a Virtual World”，Francois Lamy之前的代表作包括“Semantic Web for Health Care and Life Sciences”，Raminta Daniulaityte之前的代表作包括“Social Media Listening for Public Health Surveillance”.

相关研究：最近的相关研究包括“Detecting Opioid Misuse from Social Media with Deep Learning”（作者：Xiaolong Wang、Zhuojie Huang、Yan Liu，机构：The Ohio State University）和“Social Media Analysis for Opioid Epidemic”（作者：R. Daniulaityte、R. Sheth、D. Cobb，机构：Wright State University）。

论文摘要：本文题为“我们能检测物质使用障碍吗？：来自暗网的社交媒体知识和时间感知分类”。当前美国的阿片类和物质滥用现象十分猖獗，被称为“阿片类危机”。物质使用与心理健康之间的关系已经得到了广泛研究，其中一个可能的关系是：物质滥用导致心理健康状况不佳。然而，缺乏证据支持这种关系，导致阿片类药物在合法途径下基本无法获取。本研究分析了社交媒体上有关药物使用的帖子，其中包括在加密市场上销售的阿片类药物。我们使用药物滥用本体论、最先进的深度学习和知识感知的BERT模型来生成社交媒体帖子的情感和情绪，以了解用户对社交媒体的看法，通过调查诸如：人们对哪种合成阿片类药物持乐观、中立或消极态度？或者哪种药物引起恐惧和悲伤？或者人们喜欢或感激哪种药物？或者哪些药物被人们持消极态度？或者哪些阿片类药物几乎没有情感反应？我们还讨论了如何爬取加密市场数据以及其在提取芬太尼、芬太尼类似物和其他新型合成阿片类药物的帖子中的应用。我们还对与生成的情感和情绪相关的主题进行了话题分析，以了解哪些主题与人们对各种药物的反应相关。此外，我们分析了基于这些特征的时间感知神经模型，同时考虑了与药物相关的帖子的历史情感和情绪活动。最有效的模型表现良好（具有统计学意义），可用于识别物质使用障碍（macroF1=82.12，召回率=83.58）。

​Read More