抑郁、药物滥用或信息性：COVID-19 暴发期间新闻曝光的知识感知研究
社会与信息网络
2020-11-05 v3 信息检索
摘要
COVID-19 大流行正对世界各地人们的生活造成严重不利影响。COVID-19 加剧了全社区的抑郁，并因封锁导致个体隔离而引发药物滥用增加。此外，除了向公众提供信息性内容外，新闻广播、发表文章和社交媒体信息分享等方面对 COVID-19 危机的不间断媒体报道，由于未来的不确定性，对压力水平产生了不受欢迎的滚雪球效应（进一步加剧抑郁和药物使用）。在本立场论文中，我们提出一种新颖框架，用于评估美国不同州 underlying 新闻内容在抑郁、药物滥用和信息性方面的时空主题进展。我们的框架采用基于注意力的迁移学习技术，将社交媒体领域学到的知识应用于媒体曝光的目标领域。为从网上流式新闻内容中提取与 COVID-19 传播相关的新闻文章，我们使用神经语义解析和背景知识库，通过称为语义过滤的一系列步骤。我们在双向编码器表征来自 Transformers（BERT）模型的三种变体上取得了有前景的初步结果。我们将发现与 Mental Health America 的一份报告进行比较，结果显示我们的微调 BERT 模型优于原始 BERT。我们的研究可通过提供关于 COVID-19 及其区域影响的可操作洞察而惠及流行病学家。此外，我们的解决方案可集成到终端用户应用中，基于用户在抑郁性、药物滥用性和信息性尺度上测量的情绪基调为其定制新闻。
引用
@article{arxiv.2007.15209,
title = {Depressive, Drug Abusive, or Informative: Knowledge-aware Study of News Exposure during COVID-19 Outbreak},
author = {Amanuel Alambo and Manas Gaur and Krishnaprasad Thirunarayan},
journal= {arXiv preprint arXiv:2007.15209},
year = {2020}
}
备注
2020 ACM SIGKDD Workshop on Knowledge-infused Mining and Learning (KiML'20)