基于社交媒体帖子的健康状态严重程度评估
计算与语言
2020-09-22 v1
摘要
互联网用户的空前增长导致社交媒体（包括健康论坛）上大量非结构化信息的涌现，患者在其中向其他用户寻求健康相关信息或意见。先前研究表明，若无专家介入，在线同伴支持效果有限。因此，一个能够从患者社交媒体帖子中评估健康状态严重程度的系统可帮助健康专业人员(HP)对用户的帖子进行优先级排序。在本研究中，我们考察了自然语言理解(NLU)不同方面在识别用户健康状态严重程度上的效能，涉及两个视角（任务）：(a) 医疗状况（即康复、存在、恶化、其他）与 (b) 用药（即有效、无效、严重不良反应、其他）于在线健康社区中。我们提出了一种多视角学习框架，对文本内容及上下文信息进行建模以评估用户健康状态的严重程度。具体而言，我们的模型利用情感、情绪、人格及比喻语言使用等 NLU 视角来提取上下文信息。多样的 NLU 视角在两项任务以及单个疾病上评估用户健康时均展现出有效性。
引用
@article{arxiv.2009.09600,
title = {Assessing the Severity of Health States based on Social Media Posts},
author = {Shweta Yadav and Joy Prakash Sain and Amit Sheth and Asif Ekbal and Sriparna Saha and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2009.09600},
year = {2020}
}