[論文レビュー] Predicting Opioid Relapse Using Social Media Data

Zhou Yang, Long Nguyen+1 more|arXiv (Cornell University)|Nov 14, 2018

Mental Health via Writing参考文献 25被引用数 4

ひとこと要約

本研究では、回復中の被災者たちのReddit投稿における感情および社会的影響のパターンを分析することで、オピオイド再発を予測する生成対抗ネットワーク（GAN）モデルを提案する。モデルは83.9%の正確性と85.47%のF1スコアを達成し、ロジスティック回帰、SVM、KNNを上回る性能を示した。生成された感情画像から、『喜び』と『否定的』な感情が再発の主な指標であることが明らかになった。

ABSTRACT

Opioid addiction is a severe public health threat in the U.S, causing massive deaths and many social problems. Accurate relapse prediction is of practical importance for recovering patients since relapse prediction promotes timely relapse preventions that help patients stay clean. In this paper, we introduce a Generative Adversarial Networks (GAN) model to predict the addiction relapses based on sentiment images and social influences. Experimental results on real social media data from Reddit.com demonstrate that the GAN model delivers a better performance than comparable alternative techniques. The sentiment images generated by the model show that relapse is closely connected with two emotions `joy' and `negative'. This work is one of the first attempts to predict relapses using massive social media data and generative adversarial nets. The proposed method, combined with knowledge of social media mining, has the potential to revolutionize the practice of opioid addiction prevention and treatment.

研究の動機と目的

• 早期のオピオイド再発予測のための重要なニーズに対応し、予防および治療の結果を改善すること。
• Redditからのソーシャルメディアデータを、行動的および感情的指標としての即時の、スケーラブルな情報源として活用すること。
• 感情および社会的影響特徴を統合した、生成対抗ネットワーク（GAN）を用いた新規のディープラーニングフレームワークを構築すること。
• 手動でラベル付けされた1,000人のユーザーからなるデータセットを用いて、従来の機械学習手法（ロジスティック回帰、SVM、KNN）と比較してモデルの性能を検証すること。

提案手法

• モデルは、感情および社会的影響層を表す2チャネル入力画像を用いたGANアーキテクチャを採用。
• Reddit投稿から抽出した感情および社会的影響特徴を、各ユーザーごとに2チャネルの画像表現に変換。
• 生成器はランダムノイズから合成された感情画像を生成し、識別器は本物の画像と生成画像を区別することで、データ分布の学習を最適化。
• トレーニングにはAdam最適化法を用い、学習率0.0001で7,000エポックにわたり実行。収束は約2,100エポックで観察された。
• トレーニングデータの50%、60%、70%、80%、90%を用いて、データ量の変動に対する性能を評価。
• 実装にはTensorFlowを使用。テンソルの次元は、標準的な畳み込みニューラルネットワークの原則に従って計算された。

実験結果

リサーチクエスチョン

• RQ1 Redditからのソーシャルメディアデータは、今週以内のオピオイド再発予測に効果的に利用可能か？
• RQ2 GANベースのモデルは、ロジスティック回帰、SVM、KNNといった従来の教師あり手法と比較して、再発予測においてどの程度優れた性能を示すか？
• RQ3 ソーシャルメディア投稿に記録された感情状態の中で、直近の再発と強く関連しているのはどれか？
• RQ4 回復中のオピオイド使用者において、社会的影響パターンと感情動態が再発リスクとどの程度共変しているか？

主な発見

• GANモデルは、83.90%の正確性と85.47%のF1スコアを達成し、全データ分割サイズにおいてロジスティック回帰、SVM、KNNを顕著に上回った。
• 生成器が学習した潜在空間から得られた感情画像は、一貫して『喜び』と『否定的』な感情が再発と強く関連していることを示した。
• 生成器および識別器の損失曲線は、約2,100エポックで安定化し、トレーニング開始から約13時間でモデル収束が確認された。
• トレーニングデータを50%に制限しても、モデルは高い性能を維持し、71.40%の正確性と77.16%のF1スコアを達成した。
• 複数の白色領域（複雑な感情状態を示す）を含む感情画像は、より長く感情的に複雑な投稿に関連しており、再発に先立つ深い心理的状態を示唆している。
• 本研究では、ソーシャルメディアコンテンツの生成的モデリングが、再発予測に有用な意味のある解釈可能な感情パターンを明らかにできることを示した。