针对肥胖、饮食、糖尿病和运动的负面推文计算内容分析
社会与信息网络
2017-09-26 v1 计算与语言
应用统计
统计计算
机器学习
摘要
基于社交媒体的数字流行病学有潜力支持对公共卫生相关威胁的更快响应和更深理解。本研究提出了一个新框架，通过Twitter用户的发帖（推文）分析非结构化的健康相关文本数据，以表征与饮食、糖尿病、运动和肥胖（DDEO）相关的负面健康情绪以及非健康相关担忧，针对负面情绪语料库。通过收集一个月内的600万条推文，本研究确定了用户中与负面情绪相关的突出话题。我们提出的框架使用两种文本挖掘方法，情感分析和主题建模，来发现负面话题。Twitter用户的负面情绪支持了文献叙述以及许多与DDEO相关的发病率问题和肥胖与糖尿病之间的联系。该框架提供了一种理解公众对DDEO的意见和情绪的潜在方法。更重要的是，本研究为计算社会科学家、医学专家以及公共卫生专业人员共同解决DDEO相关问题提供了新机会。
引用
@article{arxiv.1709.07915,
title = {Computational Content Analysis of Negative Tweets for Obesity, Diet, Diabetes, and Exercise},
author = {George Shaw and Amir Karami},
journal= {arXiv preprint arXiv:1709.07915},
year = {2017}
}
备注
The 2017 Annual Meeting of the Association for Information Science and Technology (ASIST)