基于社交媒体的物质使用预测
计算与语言
2017-06-02 v2 机器学习
社会与信息网络
摘要
在本文中，我们展示了如何利用最先进的机器学习和文本挖掘技术构建有效的基于社交媒体的物质使用检测系统。由于大规模获取物质使用的真值较为困难，为最大化系统性能，我们探索了不同的特征学习方法以利用大量无监督社交媒体数据。我们还展示了使用多视图无监督特征学习来结合异构用户信息（如 Facebook 的“点赞”和“状态更新”）以提升系统性能的益处。根据我们的评估，我们的最佳模型在预测烟草使用、酒精使用和药物使用上分别达到了 86% AUC、81% 和 84%，均显著优于现有方法。我们的研究还揭示了用户社交媒体行为（例如用词习惯）与物质使用之间有趣的关系。
引用
@article{arxiv.1705.05633,
title = {Social Media-based Substance Use Prediction},
author = {Tao Ding and Warren K. Bickel and Shimei Pan},
journal= {arXiv preprint arXiv:1705.05633},
year = {2017}
}