[論文レビュー] Verifying the Medical Specialty from User Profile of Online Community for Health-Related Advices

Соломія Федушко, Nataliya Shakhovska+1 more|arXiv (Cornell University)|Dec 15, 2018

Information Systems and Technology Applications参考文献 10被引用数 9

ひとこと要約

本稿では、オンライン健康コミュニティのユーザーのプロフィールから、ユーザーの投稿における言語的およびコミュニケーション的指標を分析することで、医療専門分野を検証するコンピュータ言語学的手法を提案する。3,000人を超えるウクライナ語話者の医療フォーラム利用者を訓練サンプルとして用い、専門分野を分類・検証する重み付き指標マトリクスを構築した。実世界のテストでは「ウクライナ医師フォーラム」で25.75%の医療専門分野が検証された。

ABSTRACT

The paper describes the verifying methods of medical specialty from user profile of online community for health-related advices. To avoid critical situations with the proliferation of unverified and inaccurate information in medical online community, it is necessary to develop a comprehensive software solution for verifying the user medical specialty of online community for health-related advices. The algorithm for forming the information profile of a medical online community user is designed. The scheme systems of formation of indicators of user specialization in the profession based on a training sample is presented. The method of forming the user information profile of online community for healthrelated advices by computer-linguistic analysis of the information content is suggested. The system of indicators based on a training sample of users in medical online communities is formed. The matrix of medical specialties indicators and method of determining weight coefficients these indicators is investigated. The proposed method of verifying the medical specialty from user profile is tested in online medical community.

研究の動機と目的

• オンライン健康コミュニティにおける検証されていない、あるいは有害な可能性のある医療アドバイスの深刻な問題に対処すること。
• ユーザーのプロフィールおよび投稿内容に基づいて、医療専門分野を検証する実用的でソフトウェアベースの手法を開発すること。
• ユーザーの医療専門分野を信頼性高く反映する言語的およびコミュニケーション的指標の体系的定式化。
• 本手法を実世界のオンライン医療コミュニティでテストし、その有効性と信頼性を検証すること。
• コミュニティ管理者が、能力があり検証済みの医療貢献者を特定し、資格のないアドバイスを除外するのを支援すること。

提案手法

• 信頼できるソース（長年の評判を持つ管理者およびモデレーターを含む）から検証済みユーザーの訓練サンプルを構築する。
• ユーザー情報トラックの自動分析を通じて、特定の医療専門分野に関連する言語的・コミュニケーション的マーカー（文法的、語彙的意味的、語彙的構文的特徴）を同定する。
• 2つのウクライナ語医療フォーラムのトピック別セクションのコンテンツを分析し、各医療専門分野ごとに指標セットを形成する。
• マルチレベルのコンピュータ監視システムを用いて、頻度と関連性に基づき重み係数を割り当てることで、医療専門分野指標のマトリクスを開発する。
• コンピュータ言語学的分析を用いて、投稿内容からユーザーの情報プロフィールを構築し、専門分野データの整合性と完全性に基づき、「検証済み」または「未検証」にタグ付けする。
• ユーザー情報トラックを処理し、個人情報の検証と専門分野カテゴリへのユーザー分類を行う形式化されたアルゴリズムを採用する。

実験結果

リサーチクエスチョン

• RQ1 ユーザーの投稿における言語的およびコミュニケーション的特徴は、オンライン健康コミュニティにおけるユーザーの医療専門分野を信頼性高く示すことができるか？
• RQ2 ユーザーのコンテンツに基づいて、医療専門分野を区別できる重み付き指標システムをどのように構築できるか？
• RQ3 本手法を活発なオンライン医療コミュニティに適用した際の、実世界における医療専門分野の検証率はどの程度か？
• RQ4 自動化されたコンピュータ言語学的分析は、オンラインフォーラムにおける資格のない医療アドバイスのリスクをどの程度低減できるか？
• RQ5 本手法は、誤ったまたは欠落している専門分野情報を持つユーザーと、検証済みの医療専門職をどの程度正確に区別できるか？

主な発見

• 本手法は、ユーザーが自身のプロフィールに専門分野を明示した「ウクライナ医師フォーラム」において、25.75%の医療専門分野の検証率を達成した。
• コミュニティの49.16%のユーザーが医療専門分野をリストアップしており、検証可能な貢献者としての顕著な基盤が存在することが示された。
• 5.69%のユーザーが誤って非医療専門分野を主張しており、誤情報の防止のための自動検証の必要性が浮き彫りになった。
• 25.96%のユーザーのプロフィールには医療専門分野に関する情報が一切記載されておらず、自動検証の対象となる可能性がある。
• 4.65%のユーザーが誤った専門分野情報を提供しており、オンライン医療コミュニティにおける検証されていないプロフィールのリスクを示している。
• 本システムは、コンピュータ言語学的分析を用いてユーザー情報プロフィールを効果的に分類し、管理者が未検証または誤解を招くプロフィールをマークできるようにした。