使用自然语言处理与定性分析干预帮派暴力：社会工作者与数据科学家的合作
计算机与社会
2016-09-29 v1 计算与语言
摘要
与其他工业化国家相比，美国的枪支相关死亡率最高。暴力特别影响了芝加哥等城市的低收入、城市社区，该市从2014年到2015年枪支暴力增加了40%，导致超过3000名枪击受害者。虽然最近的研究发现，参与城市帮派的个体在社交媒体平台内部和跨平台之间策划了一种独特且复杂的沟通风格，但致力于减少帮派暴力的组织正努力跟上社交媒体平台日益增长的复杂性及其呈现的海量数据。在本文中，我们描述了数字城市暴力分析方法（DUVVA），这是一种协作式定性分析方法，用于数据科学家与社会工作研究人员之间的合作，以开发一套用于解码参与城市帮派青年高压语言的系统。我们的方法在分析芝加哥帮派成员发布的大约800条推文以及芝加哥社区青年的参与时，利用了扎根理论的原理，为自然语言处理（NLP）方法创建了一种语言资源。在揭示独特语言和沟通风格的过程中，我们开发了自动化工具，有望检测社交媒体上的攻击性语言，并协助个人和团体进行暴力预防与干预。
引用
@article{arxiv.1609.08779,
title = {Using Natural Language Processing and Qualitative Analysis to Intervene in Gang Violence: A Collaboration Between Social Work Researchers and Data Scientists},
author = {Desmond Upton Patton and Kathleen McKeown and Owen Rambow and Jamie Macbeth},
journal= {arXiv preprint arXiv:1609.08779},
year = {2016}
}
备注
Presented at the Data For Good Exchange 2016