从 LocalTweets 到 LocalHealth：基于 Twitter 数据的心理健康监测框架
社会与信息网络
2025-05-26 v2 计算与语言
机器学习
摘要
先前关于 Twitter（现为 X）数据的研究为其在开发补充性健康监测系统中的效用提供了积极证据。在本研究中，我们提出了一个新的公共卫生监测框架，重点关注心理健康 (MH) 结果。我们假设本地发布的推文能反映本地 MH 结果，并收集了来自美国 765 个社区（人口普查区块组）的推文。我们将每个社区的这些推文与疾病控制中心 (CDC) 报告的相应 MH 结果配对，创建了基准数据集 LocalTweets。利用 LocalTweets，我们提出了首个基于 Twitter 的 MH 监测系统的人口级评估任务。随后，我们开发了一种高效且有效的方法 LocalHealth，用于基于 LocalTweets 预测 MH 结果。当与 GPT3.5 结合使用时，LocalHealth 取得了最高的 F1 分数和准确率，分别为 0.7429 和 79.78\%，相较于零样本设置下的 GPT3.5，F1 分数提高了 59\%。我们还利用 LocalHealth 外推 CDC 的估计值以代理未报告社区的状况，实现了 0.7291 的 F1 分数。我们的工作表明，Twitter 数据可有效用于模拟社区层面的 MH 结果。
引用
@article{arxiv.2402.13452,
title = {LocalTweets to LocalHealth: A Mental Health Surveillance Framework Based on Twitter Data},
author = {Vijeta Deshpande and Minhwa Lee and Zonghai Yao and Zihao Zhang and Jason Brian Gibbons and Hong Yu},
journal= {arXiv preprint arXiv:2402.13452},
year = {2025}
}