Using topic modeling and text-classification methods to identify social isolation themes in NVDRS text narratives

Drew Walker; Swati Rajwal; Sudeshna Das; Snigdha Peddireddy; Abeed Sarker

Using topic modeling and text-classification methods to identify social isolation themes in NVDRS text narratives

计算与语言 2025-06-19 v1

作者: Drew Walker , Swati Rajwal , Sudeshna Das , Snigdha Peddireddy , Abeed Sarker

摘要

社会孤立和孤独感近年来显著增加，强烈地导致自杀率。尽管社会孤立和孤独感目前未记录在 US 国家暴力死亡报告系统（NVDRS）的结构变量中，但可以利用自然语言处理（NLP）技术在执法部门和解剖学医生叙述中识别这些结构。通过主题建模生成词汇开发和监督学习分类器，我们开发了高质量的分类器（平均 F1: 0.86，准确率: 0.82）。对 2002 年至 2020 年超过 30 万起自杀案的评估，我们识别出 1198 起涉及慢性社会孤立的案例。若死亡者为男性（OR = 1.44; CI: 1.24, 1.69, p<.0001）、同性恋（OR = 3.68; 1.97, 6.33, p<.0001）或离婚（OR = 3.34; 2.68, 4.19, p<.0001），则其慢性社会孤立分类的几率更高。我们发现其他社会孤立主题的显著预测因素包括近期或即将离婚、子女监护权丧失、被驱逐或近期搬迁以及分手。我们的方法可以提高美国社会孤立和孤独感的监测和预防。

关键词

社会孤立主题建模文本分类 NVDRS NLP

引用

@article{arxiv.2506.15030,
  title  = {Identifying social isolation themes in NVDRS text narratives using topic modeling and text-classification methods},
  author = {Drew Walker and Swati Rajwal and Sudeshna Das and Snigdha Peddireddy and Abeed Sarker},
  journal= {arXiv preprint arXiv:2506.15030},
  year   = {2025}
}

备注

22 pages, 2 figures, 5 tables

Using topic modeling and text-classification methods to identify social isolation themes in NVDRS text narratives

摘要

关键词

引用

备注

相关论文