Jul, 2023

费城询问者报对物质使用覆盖的演变

PDF
TL;DR探讨关于物质滥用的话语和报道如何随时间变化，分析 157,476 篇文章，发现大麻和麻醉品是最常被讨论的药物类别，幻觉类药物被描绘得更积极，而麻醉品则被描绘得最消极。我们的研究旨在强调媒体传播中对物质滥用和成瘾的准确和包容性描绘的必要性。
发现论文，激发创造
  • 我们能检测出物质使用障碍吗？：来自暗网的社交媒体知识与时间感知分类

    本文使用深度学习、BERT 模型以及情感分析来研究社交媒体中与合成类阿片类药物相关的帖子，分析了社交媒体和加密市场数据，探究人们对不同药物的感受和态度，最终建立了基于这些特征的时间感知神经模型，成功地 (具有统计学意义) 识别出物质滥用障碍。

    Apr, 2023

  • 社交媒体趋势在药物滥用随笔中的应用：针对 Cryptomarket 阿片类药物交易的调查

    该研究分析了社交媒体上的药物滥用帖子和通过加密市场公开售卖的合成阿片类药物，并使用药物滥用本体论，深度学习和基于 BERT 的模型来生成情感和情绪，进而了解用户对各种药物的感知，核对各个药物对应的情绪和情感，结合话题分析帮助政策制定，在必要时进行干预以遏制阿片类药物的危害。

    Mar, 2021

  • 解读叙事：分析在 Reddit 上分享的个人药物经历

    在线社区、物质使用经历、多层次分类模型、GPT-4、PWUD 经历。

    Jun, 2024

  • 生活经验至关重要：自动检测社交媒体上对药物使用者的耻辱态度

    本文利用 Reddit 帖子数据集，研究对滥用物质人群的污名化现象和用机器学习框架对 Reddit 文章进行划分的方法，并提出社会语境对于处理此类机器学习任务的重要性。

    Feb, 2023

  • 识别社区媒体发布的使用、滥用和成瘾的自我披露

    为了更有效地预防意外的阿片类药物过量，医务人员需要强大且及时的工具来有效识别患者的风险，本研究通过 Reddit 这类社区平台中的自述信息，构建了一个中等规模的含有 2500 条与阿片类药物相关的帖子语料库，对这些帖子进行了分阶段的注释，并通过研究这些注释在模型开发和质量方面的作用，评估了几种最先进的模型，结果显示，在高风险领域如阿片类药物使用障碍研究中，使用解释可以显著提高分类准确度。

    Nov, 2023

  • 人格五因素模型与药物风险评估

    通过在线调查研究了大五人格特征、冲动、感觉追寻和人口学信息等因素对 18 种中枢神经系统精神药物使用的影响，并通过充分的数据挖掘方法和特征选择，得出了一些高效的分类方法以准确区分药物的使用与否。

    Jun, 2015

  • 使用医学自然语言处理理解 COVID-19 新闻报道

    本研究使用 Spark NLP for Healthcare 库中的临床和生物医学自然语言处理模型对 CNN 和 The Guardian 的新闻出版物进行分析，以探究 COVID-19 在这些媒体组织中的报道偏见，以及如何通过具体的医学概念与多种人口统计学数据的相关性把握这些报道的变化、患者所感受到的药品和疫苗的不良事件的情况，并进一步研究药品和疫苗制造商受到媒体报道的影响，得到疫苗犹豫等问题的关注度。

    Mar, 2022

  • 启迪新闻消费者理解偏见新闻报道：关于媒体偏见感知和可视化的研究

    研究表明，媒体的政治偏见会影响受众的政治信仰及投票行为。通过三个手动注释的数据集及不同的可视化策略测试，结果表明手动注释偏见的可视化比框架可视化更有效。通过多层次模型，可以发现记者的偏见与文章的政治极端性和公正性有显著联系。

    May, 2021

  • 处方药物毒性监测的社交媒体挖掘：端到端流程、挑战和未来工作

    本文介绍了一种基于自然语言处理和机器学习技术的高级端到端管道，用于从社交媒体平台 Twitter 和 Reddit 中收集关于非医疗处方药物使用的信息，以提高社交媒体研究毒剂监测的效率。

    Nov, 2022

  • 直观而明显：事实报道镜头下的媒体偏见

    本研究调查了信息性偏见在新闻媒体中的频率以及 Fine-tuning BERT 在预测信息性偏见方面的挑战和未来方向。

    Sep, 2019