[논문 리뷰] Predicting Opioid Relapse Using Social Media Data

Zhou Yang, Long Nguyen외 1명|arXiv (Cornell University)|2018. 11. 14.

Mental Health via Writing참고 문헌 25인용 수 4

한 줄 요약

이 연구는 회복 중인 약물 중독 환자들이 올린 Reddit 게시물의 정서 및 사회적 영향 패턴을 분석하여 옥시코돈 복귀를 예측하는 생성적 적대 신경망(GAN) 모델을 제안한다. 모델은 83.9%의 정확도와 85.47%의 F1 점수를 기록하며, 로지스틱 회귀, 서포트 벡터 머신(SVM), K-최근접 이웃(KNN)을 능가했으며, 생성된 정서 이미지에서 '기쁨'과 '부정적' 정서가 주요 복귀 지표로 드러났다.

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.

연구 동기 및 목표

• 조기 옥시코돈 복귀 예측의 필수적 필요성을 해결하여 예방 및 치료 결과를 향상시키기 위해.
• 실시간으로 확장 가능한 행동 및 정서적 지표로서 Reddit에서의 소셜 미디어 데이터를 활용하기 위해.
• 정서 및 사회적 영향 특징을 통합한 복합적인 딥 러닝 프레임워크를 개발하기 위해. 이는 생성적 적대 신경망(GAN)을 기반으로 한다.
• 수동으로 레이블링된 1,000명의 사용자 데이터셋을 기반으로 기존의 기계학습 방법(로지스틱 회귀, SVM, KNN)과의 성능 비교를 위해 모델의 성능을 검증하기 위해.

제안 방법

• 모델는 정서 및 사회적 영향 레이어를 나타내는 이중 채널 입력 이미지를 사용하는 GAN 아키텍처를 사용한다.
• 정서 및 사회적 영향 특징은 Reddit 게시물에서 추출되어 각 사용자에 대해 이중 채널 이미지 표현으로 변환된다.
• 생성자는 임의의 노이즈에서 합성 정서 이미지를 생성하고, 구분자는 실제 이미지와 생성된 이미지를 구분하여 데이터 분포 학습을 개선한다.
• 학습에는 Adam 옵timizer를 사용하였으며, 학습률은 0.0001로 설정하고 7,000 에포크 동안 진행되었으며, 수렴는 약 2,100 에포크에서 관찰되었다.
• 다양한 데이터 가용성 조건에서의 성능 평가를 위해 학습 데이터의 50%, 60%, 70%, 80%, 90%를 사용하여 평가하였다.
• 구현에는 TensorFlow를 사용하였으며, 텐서 차원은 표준 합성곱 신경망 원칙에 따라 계산되었다.

실험 결과

연구 질문

• RQ1 Reddit에서의 소셜 미디어 데이터는 향후 일주일 내에 옥시코돈 복귀를 효과적으로 예측하는 데 사용될 수 있는가?
• RQ2 기존의 지도 학습 방법(로지스틱 회귀, SVM, KNN)과 비교할 때, GAN 기반 모델은 복귀 예측에서 어떤 성능을 보이는가?
• RQ3 소셜 미디어 게시물에 기록된 정서 상태 중에서 곧바로 복귀와 가장 강하게 연관된 것은 무엇인가?
• RQ4 회복 중인 옥시코돈 사용자에서 사회적 영향 패턴과 정서 역학이 복귀 위험과 얼마나 공변하는가?

주요 결과

• GAN 모델은 정확도 83.90%와 F1 점수 85.47%를 기록하였으며, 모든 데이터 분할 크기에서 로지스틱 회귀, SVM, KNN를 뛰어넘는 성능을 보였다.
• 생성자의 학습된 잠재 공간은 항상 '기쁨'과 '부정적' 정서가 복귀와 강하게 연관되어 있음을 드러내는 정서 이미지를 생성하였다.
• 생성자 및 구분자의 손실 곡선은 약 2,100 에포크에서 안정화되어 약 13시간의 학습 후 모델 수렴이 이루어졌음을 나타냈다.
• 학습 데이터를 감소시켜도 모델은 높은 성능 유지를 보였으며, 학습 데이터의 50%에서 정확도 71.40%와 F1 점수 77.16%를 기록하였다.
• 여러 개의 흰색 영역을 포함한 정서 이미지는 혼합 정서를 나타내며, 더 길고 정서적으로 복잡한 게시물과 연관되어 있어 복귀 이전의 깊은 심리적 상태를 반영한다.
• 본 연구는 소셜 미디어 콘텐츠의 생성 모델링이 복귀 예측에 유의미하고 해석 가능한 정서 패턴을 드러낼 수 있음을 입증한다.