推特语言与社区层面健康结果的关联研究
计算与语言
2019-06-25 v2 机器学习
社会与信息网络
机器学习
摘要
我们研究社交媒体上的语言如何与动脉粥样硬化性心脏病（AHD）、糖尿病和各类癌症等疾病相关联。我们提出的模型利用最先进的句子嵌入（sentence embeddings），随后接回归模型和聚类，无需额外标注数据。它允许从语言预测社区层面的医疗结果，从而有可能将这些结果转化到个体层面。该方法适用于广泛的目标变量，并使我们能够发现医疗结果与生活方式方面及其他社会经济风险因素的已知和潜在新颖关联。
引用
@article{arxiv.1906.06465,
title = {Correlating Twitter Language with Community-Level Health Outcomes},
author = {Arno Schneuwly and Ralf Grubenmann and Séverine Rion Logean and Mark Cieliebak and Martin Jaggi},
journal= {arXiv preprint arXiv:1906.06465},
year = {2019}
}
备注
ACL SMM4H Workshop (Social Media Mining for Health Applications)