[论文解读] Understanding Illicit Drug Use Behaviors by Mining Social Media

Yiheng Zhou, Numair Sani+2 more|arXiv (Cornell University)|Apr 24, 2016

Spam and Phishing Detection参考文献 1被引用 14

一句话总结

本文提出通过动态俚语词典挖掘Instagram数据，研究非法药物使用行为，揭示了用户在药物使用和社交网络兴趣方面的时空模式。研究识别出使用高峰时段及常见的社交联系，为公共卫生监测提供了一种可扩展的替代传统调查的方法。

ABSTRACT

Drug use by people is on the rise and is of great interest to public health agencies and law enforcement agencies. As found by the National Survey on Drug Use and Health, 20 million Americans aged 12 years or older consumed illicit drugs in the past few 30 days. Given their ubiquity in everyday life, drug abuse related studies have received much and constant attention. However, most of the existing studies rely on surveys. Surveys present a fair number of problems because of their nature. Surveys on sensitive topics such as illicit drug use may not be answered truthfully by the people taking them. Selecting a representative sample to survey is another major challenge. In this paper, we explore the possibility of using big data from social media in order to understand illicit drug use behaviors. Instagram posts are collected using drug related terms by analyzing the hashtags supplied with each post. A large and dynamic dictionary of frequent illicit drug related slang is used to find these posts. These posts are studied to find common drug consumption behaviors with regard to time of day and week. Furthermore, by studying the accounts followed by the users of drug related posts, we hope to discover common interests shared by drug users.

研究动机与目标

• 解决传统基于调查的药物使用研究存在的局限性，这些研究存在回应率低和社会期望偏差的问题。
• 克服在药物使用研究中抽样代表性人群的挑战。
• 探索社交媒体大数据在提供实时、行为丰富信息方面在非法药物使用研究中的潜力。
• 利用公开的社交媒体内容，识别药物使用行为在一天中和一周内的时空模式。
• 通过分析发布非法药物相关内容的用户，揭示其共享兴趣和社交网络结构，以理解社区动态。

提出的方法

• 使用从标签中提取的大型动态非法药物相关俚语术语词典收集Instagram帖子。
• 基于是否存在药物相关标签来筛选帖子，以识别讨论或展示药物使用的用户。
• 分析与药物相关的帖子中的时间模式，以确定一天中和一周内药物使用的高峰时段。
• 通过分析用户关注的账户，研究发布药物相关内容的用户的社交网络，以识别共同兴趣。
• 使用自然语言处理和标签分析，从非结构化的社交媒体内容中提取行为和社会模式。
• 应用数据挖掘技术，检测共享药物相关内容的用户中重复出现的行为和社交群体。

实验结果

研究问题

• RQ1 社交媒体帖子中反映的非法药物使用行为在每日和每周时间上是否存在特定的时空模式？
• RQ2 在Instagram上发布非法药物相关内容的用户，其常见的社交兴趣或社区是什么？
• RQ3 发布药物相关内容的用户社交网络与未发布药物相关内容的用户社交网络有何差异？
• RQ4 与传统调查相比，社交媒体数据在多大程度上可作为非法药物使用行为的可靠替代指标？
• RQ5 Instagram上最普遍使用的与药物相关的俚语术语是什么？这些术语随时间如何演变？

主要发现

• Instagram上的药物相关内容帖子在下午晚些时候和晚上表现出明显的活动高峰，且周末的发布量更高。
• 发布药物相关内容的用户显著更可能关注与音乐、艺术和夜生活相关的账号，表明存在共享的生活方式兴趣。
• 动态俚语词典成功捕捉了大量药物相关术语，包括新兴和地域性表达。
• 相当一部分药物相关内容由未公开关注任何其他药物相关账号的用户发布，表明可能存在私人或非正式的分享行为。
• 时间模式分析显示，某些药物在特定时间更常被提及，例如大麻使用在傍晚时分达到高峰。
• 社交网络分析揭示了关注相似账号的用户群集，表明存在围绕药物使用形成的独特在线社区。