‘Can We Detect Substance Use Disorder?’: Knowledge and Time Aware Classification on Social Media from Darkweb

要約

タイトル：ダークウェブでのソーシャルメディアからの知識と時間に敏感な分類による物質使用障害の検出

要約：

– アメリカ合衆国におけるオピオイドの乱用問題（「オピオイド危機」）は蔓延しており、物質乱用と精神健康の関係が問題となっている。
– 本研究は、暗号市場リストによってオピオイドが販売されているソーシャルメディア上の投稿を分析し、物質乱用に関する知識から感情や評価を抽出することを試みる。
– ドラッグ乱用オントロジー、最新の深層学習技術、知識に基づくBERTモデルを使用し、投稿の感情と評価を生成し、ユーザーの意識について調査する。
– 様々なドラッグに対する人々の感情や評価を分析し、モデルを構築して物質使用障害を検出することができる。
– 時間に敏感なニューラルモデルを分析し、歴史的な感情や評価の活動を考慮して投稿に関連するドラッグについて学ぶことができる。
– 最も効果的なモデルは、物質使用障害を特定するために使用され、統計的に有意である（macroF1=82.12、recall=83.58）。

要約(オリジナル)

Opioid and substance misuse is rampant in the United States today, with the phenomenon known as the ‘opioid crisis’. The relationship between substance use and mental health has been extensively studied, with one possible relationship being: substance misuse causes poor mental health. However, the lack of evidence on the relationship has resulted in opioids being largely inaccessible through legal means. This study analyzes the substance use posts on social media with opioids being sold through crypto market listings. We use the Drug Abuse Ontology, state-of-the-art deep learning, and knowledge-aware BERT-based models to generate sentiment and emotion for the social media posts to understand users’ perceptions on social media by investigating questions such as: which synthetic opioids people are optimistic, neutral, or negative about? or what kind of drugs induced fear and sorrow? or what kind of drugs people love or are thankful about? or which drugs people think negatively about? or which opioids cause little to no sentimental reaction. We discuss how we crawled crypto market data and its use in extracting posts for fentanyl, fentanyl analogs, and other novel synthetic opioids. We also perform topic analysis associated with the generated sentiments and emotions to understand which topics correlate with people’s responses to various drugs. Additionally, we analyze time-aware neural models built on these features while considering historical sentiment and emotional activity of posts related to a drug. The most effective model performs well (statistically significant) with (macroF1=82.12, recall =83.58) to identify substance use disorder.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI