利用自然语言处理从Twitter消息中提取健康相关因果关系
计算与语言
2019-11-18 v1
摘要
Twitter消息（推文）包含各类信息，其中包括健康相关信息。对健康相关推文的分析有助于我们理解日常生活中遇到的健康状况与担忧。在本工作中，我们评估了一种利用自然语言处理（NLP）技术从推文中提取因果关系的方法。我们聚焦于三个健康相关主题：压力、失眠与头痛。我们提出了一组基于依存句法分析器输出的词汇-句法模式以提取因果信息。使用了由2400万条推文组成的大规模数据集。结果表明，我们的方法取得了74.59%至92.27%的平均精确率。对提取关系的分析揭示了关于Twitter中健康相关现象的若干有趣发现。
引用
@article{arxiv.1911.06488,
title = {Using natural language processing to extract health-related causality from Twitter messages},
author = {Son Doan and Elly W Yang and Sameer Tilak and Manabu Torii},
journal= {arXiv preprint arXiv:1911.06488},
year = {2019}
}
备注
5 pages