使用社交媒体数据的电子烟监控:社交机器人，新兴话题和趋势

简介

电子烟(电子烟)在美国和其他地方越来越受欢迎。1-6］．随着电子烟的使用(vaping)迅速变得越来越普遍，来自在线社交系统(如谷歌Web Search、Instagram、Twitter、YouTube)的数据可用于捕捉和描述个人使用、感知和销售这种烟草产品的社会和环境背景[7］．这些数据可以作为一个大规模的焦点小组，让人们在没有研究人员的引导下，在没有仪器偏见的情况下，以近实时和低成本捕获电子烟[8］．

从2010年到2014年，美国与电子烟相关的互联网搜索(谷歌Web Search)增长了450%，2010年沿海地区(加利福尼亚和纽约)的电子烟搜索量更高，2014年在美国各地的搜索量变得更加统一[9］．购买电子烟的搜索量超过了对健康问题或戒烟感兴趣的搜索量[9］．在一项分析Instagram上电子烟相关帖子的研究中，Chu和同事[10报道称，图像经常显示“追云”(即，大量的气溶胶被吹起)和“手检查”(即，电子烟设备搭配特定的电子果汁瓶都拿在一只手上)，这表明这些是这种新兴烟草产品的吸引人的特征。

Twitter已被用于烟草控制研究，研究表明如何通过监测推文来为烟草教育运动提供信息[11，12]以及哪些与电子烟相关的信息可能会在推特上传播[13]，以及其他研究[14-21］．艾尔斯及其同事[22最近分析了与电子烟相关的推文样本，并报告说，社交形象是2015年使用电子烟的最明确原因。使用电子烟的其他原因包括戒烟和在室内使用[22］．

在这项研究中，我们证明了基于twitter的信息监视的可行性[7来记录和描述Twitter上与电子烟相关的对话。我们使用社交网络分析，通过描述哪些标签在庞大的Twitter网络中同时出现，来识别关于电子烟的讨论。Twitter用户使用标签(即以#开头的术语)来表示与帖子相关的上下文、情绪或主题。标签作为帖子内容的标记，允许用户搜索和查看其他Twitter用户的帖子，即使他们没有关注他们。在一篇文章中可以使用多个标签。当两个标签同时出现在同一篇文章中，人们可以推断它们是相关的。构建标签共现网络(即标签网络)将说明概念集群，让我们洞察个人用自己的话进行的电子烟相关讨论。这种聚类使我们能够看到在复杂数据中可能无法实现的含义的基本维度。

我们还使用来自Twitter的帖子和元数据来描述美国电子烟相关讨论的地理位置，以确定电子烟教育活动的优先领域。此外，这项研究建立在早期工作的基础上[23，24]，并证明了在试图了解与公共健康相关的行为和态度时，从Twitter数据中删除社交机器人(即自动生成内容并与Twitter上的合法人类账户互动的计算机算法)的重要性。综上所述，这项研究的发现应该为烟草控制提供信息，并证明使用Twitter数据在加强对一般健康行为和电子烟使用的监测方面的效用。

方法

数据是通过Python脚本获得的，这些脚本不断轮询Twitter的流媒体应用程序编程接口。该服务提供基于关键术语和标签搜索的样本数据流。推文是在2016年12月24日至2017年4月21日期间收集的。用于收集推文的关键术语包括电子烟、电子烟等多媒体附件1完整列表)。关键术语可以出现在帖子中，也可以出现在附带的标签中(例如，vaping或#vaping)。该大学的机构审查委员会批准了所有程序。

在研究期间，用于收集推文的术语导致了6,185,153条推文的初始语料库。然而，推特很快就成为第三方操纵的对象，这些第三方操纵的计算机算法被设计成自动生成内容，并与推特上的合法人类账户(社交机器人)互动，以影响讨论，推广特定的想法或产品。25］．社交机器人应该表现为操作Twitter账户的真正人类用户;他们的个人资料通常包含完整的元数据(姓名、位置、精辟的引用)和一张照片/图像。社交机器人平均比普通人类用户产生更多的推文。因此，社交机器人在一个话题上产生更多的内容。社交机器人不分皂白地引用一系列内容，同时延续选定的对话，让特定的主题看起来比离线时更突出。它们的应用已被记录在各种领域，包括政治造势[26]、操纵股市[27]、虚假信息的传播[28]、推广内容[29]，在情感分类中[24］．

为了区分人类用户和社交机器人，使用了某些标准，如信息扩散模式(基于转发或提及)、朋友特征(例如关注者与被关注者的比例)、内容(推文中名词/动词/副词的频率)和情绪特征(情绪得分)。BotOrNot算法将这些特征结合起来，以获得一个介于0到1之间的分数，该分数表明Twitter账户是否是社交机器人[28，30.］．BotOrNot程序的评估表明，如果帐户得分≥0.6，则该帐户最有可能是bot [24，27，29］．用于机器人检测的方法检测准确率在95%以上，这表明不适当删除合法账户的错误是最小的[25］．特定于垃圾邮件，与电子烟无关，推文根据某些关键词的出现被手动删除多媒体附件1完整列表)。在这6185,153条推文中，有3,994,481条(64.58%)被识别为垃圾邮件，并被删除，剩下2,190,672条推文仍保留在干净的数据集中。在这些推文中，约有四分之一(412,816条)包含至少一个标签，产生119,964个独特的标签。标签提供了识别对话主题的有用信息。

为了确定与电子烟相关的对话主题，我们创建了一个Twitter标签共现网络，并确定了共现标签集群。概念集群的构建方法如下:网络节点表示从推文中提取的所有不同的话题标签，对于每条包含多个话题标签的推文，在对应于共同出现的话题标签的节点之间放置一条边(链接)。权重与每条边相关联，以传达共现的数量。然后使用网络可视化工具Gephi绘制从这个过程中出现的加权网络[31并被检查以了解哪些话题是经常一起讨论的。

给定数据量，我们使用特定的网络条件来筛选可视化的聚类。在Gephi的可视化算法中，我们选择Fruchterman Reingold力定向布局[32］．该算法的工作原理类似于自然系统中的引力:2个节点根据它们相互作用的强度(即它们链接的重量)相互吸引。这种类型的布局通过最小化节点重叠来最大限度地提高网络可视化的可读性。考虑到Twitter标签共现网络的规模，为了限制要显示的节点数量，我们施加了一个过滤器来隐藏低度数的节点。这个过滤过程使我们能够集中在最重要的集群和节点上，也就是那些更频繁地同时出现的集群和节点。从Gephi的算法中，我们最终使用了Louvain社区检测算法，该算法用于揭示最重要的集群，紧密连接的节点组[33］．为了说明结果如何因社交机器人而变化，我们从2个推文语料库中创建并检查了概念集群，分别包括和不包括社交机器人及其推文。然后，我们从2×2列联表中计算比值比([在社交机器人中出现特定标签/在人类中出现特定标签]/[在机器人中出现除特定标签外的所有其他标签/在人类中出现除特定标签外的所有其他标签])，以检测标签是否因来源而异，使用Fisher精确检验来确定统计显著性。

为了确定在美国与电子烟相关的讨论发生的位置，我们从每条推文的地理坐标字段中提取了用户的位置，Twitter会自动收集这些位置。但是，我们观察到许多推文没有定义坐标，因为每个推特账户都可以选择在他们的手机、设备或电脑上关闭这个功能，从而阻止推特收集这些信息。为了克服这个限制，我们将用户在元数据中输入的位置(例如，Los Angeles)转换为经纬度坐标。根据这两种策略，我们可以确定分析样本中大约1%的用户的用户位置，代表美国的36,549名用户。我们使用热图图来确定人们在哪里讨论电子烟。在热图中，较强的颜色强度(类似于热量)表明在特定区域使用强度较高，反之亦然。通过观察不同地点的推文频率，我们可以看到电子烟教育活动的优先领域。

结果

来自人类用户的标签语料库的聚类分析包含238个特定的标签或节点和5203条边(多媒体附件2)．聚类1(粉色)包含了行为标签(如#vaping)、电子烟身份标签(如#vapelife)和电子烟社区标签(如#vapenation) (表1)．群集2(绿色)包含表示电子烟产品的标签(例如，#液体)，电子烟身份和电子烟社区。集群3(橙色)包含的标签表明使用双重烟草(如#水烟)和使用多种物质(如#大麻)。

来自社交机器人的标签语料库的聚类分析包含4个集群，具有137个标签或节点和1600条边(多媒体)．聚类1(橙色)包含指示行为和双重烟草使用的标签(表2)．群集2(灰色)包含了表示行为、吸电子烟身份和吸电子烟社区的标签。集群3(蓝色)包含代表产品的标签(例如，#starterskit， #modbox)，包括全新的产品(例如，#ismog，在电子烟盒上采用触控技术的新型智能设备，#cigpet，新型高瓦数油箱或“超级油箱”)。聚类4(绿色)包含表明戒烟(如#quitsmoking)、对健康感兴趣(如#health)和多物质使用的标签。

与人类用户相比，社交机器人更有可能发布有关戒烟和新型电子烟设备的标签(表3)．例如，与人类用户相比，社交机器人更有可能发布#戒烟，#ismog和#cigpet。

从2016年12月24日至2017年4月21日收集的26565条推文的热图显示，大西洋中部(如宾夕法尼亚州、新泽西州、马里兰州和纽约州)的推文量最高，西海岸和西南部(如加利福尼亚州、亚利桑那州和内华达州)的推文量最高(图1)．

‎ 查看此图

讨论

主要研究结果

来自在线社交系统的数据可用于补充和扩展对包括烟草制品使用在内的健康行为的监测。我们在这里研究的标签提供了一些与电子烟相关的态度和行为的直接见解，并确定了代表最具凝聚力的帖子的3个集群。从人类用户的标签语料库中进行的聚类分析证明了电子烟身份和电子烟社区的存在。使用这些标签可能有助于进一步内化与电子烟相关的身份，以及围绕电子烟相关身份的社会联系。这些标签还表明，关于电子烟的讨论可能会发生在推特上的回音室里，在这里，网络中的想法和信仰会被放大。34，使电子烟正常化。

在对人类用户标签语料库的聚类分析中，我们发现了许多与电子烟相关的产品。这些标签为商业用户提供了一种方式，让他们的帖子可以被搜索，并将自己融入在线电子烟社区。非商业用户也可以使用这些标签向他们的关注者传达他们最近购买的产品或他们喜欢一起使用的产品(例如，他们最喜欢的可修改设备与他们最喜欢的电子液体搭配使用)[10］．

在人类用户的语料库中发现的第三个标签集群表明双重烟草使用和多物质使用。这些同时出现的标签可能反映了某些电子烟使用者的一种冒险行为综合症。虽然关于电子烟和卷烟双重使用的研究越来越多[35，36，但关于电子烟与水烟、大麻、酒精和其他物质使用之间关系的研究却很少。这项研究的发现应该会促使人们进一步调查这些联系。当人们在讨论电子烟对人群的影响时，也应该考虑到电子烟与酒精和其他物质的共存。

在来自社交机器人的标签语料库中，有几个结果与来自人类用户语料库的结果形成了鲜明的对比。例如，检测到一组与戒烟有关的标签。这表明，社交机器人可能会被用来延续关于电子烟作为戒烟工具的讨论。此前的研究表明，推特上关于电子烟的帖子提到了使用电子烟来戒烟[22]，在分析推特上的帖子时，区分个人用户和社交机器人是很重要的[23，24，37］．社交机器人可能会让电子烟在戒烟方面的功效的错误信息持续存在，因此需要教育活动作为纠正这种错误信息的工具。

来自社交机器人的标签也代表了新推出的产品(例如#ismog和#cigpet)，这些产品在人类用户标签语料库中明显不那么普遍。这一发现强调了在公共卫生监测中使用社交媒体数据的明显好处。除了搜索已知的关键字和观察包含这些关键字的社交媒体帖子数量的趋势之外，概念聚类分析还可以识别Twitter上发布的新关键字或标签。这一过程可以作为一个早期预警系统，向公共卫生研究人员通报新产品或产品吸引公众的新方式。通过使用社交媒体数据和关键字共现分析，我们可以识别与烟草产品使用相关的新产品(如ismog或cigpet)、品牌、营销主题、活动和事件，因为它们几乎是实时出现的。这项研究的发现补充了最近的一项研究，该研究依靠搜索导航数据来检测人们对加热不燃烧烟草产品日益增长的兴趣[38］．综上所述，公共卫生研究人员可以利用在线社交系统的数据来迅速填补知识空白，并更容易地对他们所服务的人群做出反应。

大多数帖子来自大西洋中部和西南部，这与早期依赖搜索导航数据的研究相一致[9］．这些发现标志着电子烟教育运动的优先领域。社交媒体可能是与不使用烟草产品的人接触的一种方式，告诉他们尼古丁的成瘾性以及使用电子烟的危害。39］．使用社交媒体作为一种补充监测系统，可以使公共卫生研究人员比传统方法更早地确定新兴烟草产品使用的地理差异。虽然推特数据不应被用来取代传统的卫生行为监测系统，但社交媒体可以用来迅速填补信息空白，并为解决对公共卫生或政策至关重要的问题提供一个重要的起点。

限制

数据收集依赖于Twitter的流媒体应用程序编程接口，这阻止了从私人Twitter账户收集推文。因此，调查结果可能不能代表拥有私人账户的个人的态度和行为。这项研究使用标签来识别Twitter帖子中的主题，但没有具体阅读和解释标签所附带的每一篇帖子。本报告未述及的其他有价值的资料可以从这些员额的内容中了解到。在分析样本中，大约1%的用户提供了数据，使我们能够描述在美国发生电子烟相关讨论的地理区域。虽然这是一个很小的百分比，但它与早期的工作是兼容的[25，40并代表了美国36549名用户。此外，我们没有Twitter用户的必要人口统计信息(例如年龄)来考虑地理区域的人口密度和年龄分布。

结论

本研究结果可为未来公共卫生监测的设计提供参考。这项研究证明了使用社交媒体数据在理解态度和行为方面的实用性，以及在此过程中区分Twitter帖子与社交机器人和人类的重要性，如果目的是评估真实用户的观点。调查结果应该会促使人们更好地理解推特上与电子烟相关的讨论的后果。