“我们能否检测物质使用障碍？”：基于暗网社交媒体上的知识与时间感知分类
机器学习
2023-04-21 v1 计算与语言
社会与信息网络
摘要
阿片类药物与物质滥用在当今美国十分猖獗，即所谓的“阿片危机”。物质使用与心理健康之间的关系已被广泛研究，其中一种可能的关系是：物质滥用导致心理健康状况不佳。然而，缺乏关于该关系的证据导致阿片类药物在法律途径上基本无法获取。本研究分析了在暗网加密货币市场上售卖阿片类药物的社交媒体上的物质使用帖子。我们使用药物滥用本体（Drug Abuse Ontology）、最先进的深度学习以及基于知识感知 BERT 的模型，为社交媒体帖子生成情感与情绪，以通过探究诸如以下问题来理解用户在社交媒体上的看法：人们对哪些合成阿片类药物持乐观、中立或负面态度？或哪些药物引发了恐惧与悲伤？或人们喜爱或感激的是哪类药物？或对哪些药物人们持负面看法？或哪些阿片类药物几乎不引起情感反应？我们讨论了如何爬取加密货币市场经济数据，并将其用于提取芬太尼、芬太尼类似物及其他新型合成阿片类药物的帖子。我们还对生成的情感与情绪进行主题分析，以了解哪些主题与人们对各类药物的反应相关。此外，我们在考虑与某药物相关的历史情感与情绪活动的基础上，分析了构建于这些特征之上的时间感知神经模型。最有效的模型在识别物质使用障碍方面表现良好（统计显著），macroF1=82.12，召回率=83.58。
引用
@article{arxiv.2304.10512,
title = {"Can We Detect Substance Use Disorder?": Knowledge and Time Aware Classification on Social Media from Darkweb},
author = {Usha Lokala and Orchid Chetia Phukan and Triyasha Ghosh Dastidar and Francois Lamy and Raminta Daniulaityte and Amit Sheth},
journal= {arXiv preprint arXiv:2304.10512},
year = {2023}
}