面向在线医疗视频中错误信息的自动检测
机器学习
2019-09-05 v1 机器学习
摘要
近年来，在线医疗信息共享显著增长，其中视频占据了此类在线来源的很大比例。然而，先前的研究表明，在 YouTube 等平台上超过一半的健康相关视频包含误导性信息和偏见。因此，构建能够帮助评估这些视频质量的计算工具至关重要，以便用户获取准确信息以辅助其决策。在本研究中，我们聚焦于 YouTube 视频中错误信息的自动检测。我们选取前列腺癌视频作为解决该问题的切入点。本文的贡献有两点。首先，我们引入了一个由 250 个前列腺癌相关视频组成的新数据集，并手动标注了错误信息。其次，我们探索利用语言、声学和用户参与度特征来开发用于识别错误信息的分类模型。通过一系列消融实验，我们表明可以构建准确率高达 74% 的自动模型，对应于对错误信息的 76.5% 精确率和 73.2% 召回率。
引用
@article{arxiv.1909.01543,
title = {Towards Automatic Detection of Misinformation in Online Medical Videos},
author = {Rui Hou and Verónica Pérez-Rosas and Stacy Loeb and Rada Mihalcea},
journal= {arXiv preprint arXiv:1909.01543},
year = {2019}
}