社交媒体上病态赌博的风险预测
计算与语言
2024-03-29 v1
摘要
本文探讨了社交媒体数据上的风险预测问题，特别关注将Reddit用户分类为患有病态赌博障碍。为解决这一问题，本文重点将时间与情感特征纳入模型。预处理阶段通过填充序列来处理帖子时间的不规则性。初步评估使用了两种基线架构：基于每个用户拼接帖子的BERT分类器，以及基于序列数据的GRU与LSTM。实验结果表明，序列模型优于基于拼接的模型。实验结果得出结论，引入时间衰减层（TD）并将情感分类层（EmoBERTa）传递给LSTM可显著提升性能。实验还得出结论，添加自注意力层并未显著提升模型性能，但提供了易于解释的注意力分数。包含EmoBERTa和TD层的所开发架构取得了较高的F1分数，超越了病态赌博数据集上的现有基准。未来工作可能涉及与病态赌博障碍相关的风险因素的早期预测，以及在其他数据集上测试模型。总体而言，本研究强调了包含时间与情感特征的帖子序列处理对提升预测能力的重要性，以及添加注意力层以增强可解释性的意义。
引用
@article{arxiv.2403.19358,
title = {Risk prediction of pathological gambling on social media},
author = {Angelina Parfenova and Marianne Clausel},
journal= {arXiv preprint arXiv:2403.19358},
year = {2024}
}