大语言模型如何减少关于物质使用的在线话语中的污名化
计算与语言
2025-01-28 v1
摘要
污名化是药物使用障碍（SUD）的障碍，导致治疗参与率显著降低。仅有7%的患者获得任何形式的帮助，社会污名化不仅阻碍了患者求助，还使他们孤立，阻碍其康复进程并延续羞耻和自怀疑的循环。本研究探讨了污名化如何在社交媒体上表现，特别是Reddit平台，由于匿名性质，可能加剧歧视行为。我们分析了超过120万篇帖子，识别出3207篇包含对使用物质者（PWUS）的污名化语言的帖子。通过利用Informed和Stylized LLMs，我们开发了一个模型，将这些表达转化为具有同情性的语言，生成1649对再构短语。我们的工作为该领域提供了分析污名化并消除在线内容污名化的计算框架，深入探讨了哪些语言特征会传播对PWUS的污名化。我们的工作不仅增进了对污名化在线表现的理解，还为营造更具支持性的数字环境提供了实用工具。代码和数据将在接受后公开。
引用
@article{arxiv.2408.07873,
title = {Words Matter: Reducing Stigma in Online Conversations about Substance Use with Large Language Models},
author = {Layla Bouzoubaa and Elham Aghakhani and Rezvaneh Rezapour},
journal= {arXiv preprint arXiv:2408.07873},
year = {2025}
}