利用推文的多维特征进行预测
信息检索
2019-10-22 v1 机器学习
摘要
随着美国阿片类药物滥用问题的加剧，在斯普林菲尔德、波士顿、福尔里弗、新贝德福德以及科德角部分地区，与过量用药和HIV相关的死亡重叠热点区域有所增长。包括农村社区在内的很大一部分人口活跃于社交媒体，因此利用社交媒体的预测能力作为预防措施至关重要。我们探究了微博客社交媒体网站Twitter在各县HIV新诊断率方面的预测能力。尽管Twitter自然语言处理中的趋势性工作主要关注基于文本的特征，但我们表明，相对于性传播感染（STI），多维特征构建能够显著改善仅使用主题特征的预测能力。所谓多维特征，是指不仅在特征构建中利用语料库的主题特征（文本），还利用关于推文的位置信息（县）。我们开发了新颖的文本-位置平滑特征来预测HIV新诊断病例。
引用
@article{arxiv.1910.09324,
title = {Multi-dimensional Features for Prediction with Tweets},
author = {Nupoor Gandhi and Alex Morales and Dolores Albarracin},
journal= {arXiv preprint arXiv:1910.09324},
year = {2019}
}