Twitter是一个微博平台，用户可以在上面发帖 微博这些信息要么公开分享，要么分享给他们的私人追随者。从2016年1月1日到6月30日，我们在6个月内收集了561,960条与hts相关的推文。使用的搜索词是 水烟， 水烟， 水烟筒， 水烟， sheesha, 水烟筒．我们不认为这6个术语代表所有可能发布的HTS内容;然而，他们遵循了之前的研究方案[ 17]，并允许为我们的目的收集大量的HTS tweet数据集。数据是通过与Twitter的应用程序编程接口建立连接来收集的，该接口允许外部软件请求数据。所有收集的数据都是公开的，也就是说，任何有互联网连接的人都可以在收集推文时查看它。数据包括推文内容的全文(最多140个字符)以及原始推特用户的标识符(ID)，以跟踪单个用户随时间的推文。推文内容以纯文本格式获取，并通过替换重新格式化 emoji(嵌入文本中的图像和符号)与人类可读的对应物(例如，心形符号变成 (心脏emoji)) [ 17］．我们还用通用占位符替换了特定的超链接和用户名(例如，[URL];@【用户名】)。然后将用户id重新编码为去识别的数字id(例如，用户1)。该研究已得到作者所在大学的机构审查委员会的审查和批准。

我们应用机器学习算法对发布在Twitter上的HTS内容进行情感分析。有监督的机器学习允许相对少量的人类编码数据来训练计算机算法，这些算法可以自动对额外的数据进行分类，这种分类规模在其他情况下是不可行的。我们分两个阶段进行情绪分析。首先，对一组大约5000条推文进行随机抽样，并将其分类为积极的、消极的或两者兼有，如果它是商业的，则由2名训练有素的编码人员对推特上与烟草相关的数据进行分类[ 17］．针对人工编码员的评分者之间的可靠性指标均相当可观或更好[ 18，与科恩kappa=。78for positive/not positive and kappa=.75 for negative/not negative, and kappa=.82 for commercial. The coded tweets were subsequently used as training data for a classifier that automatically coded the sentiment in the remaining approximately 556,000 HTS-related Twitter posts. Natural language processing software RWeka and tm were used to extract linguistic 特性(即基于语言的协变量)。数据通过RTextTools中的机器学习工具进行处理。

在第二阶段，根据之前的分类，人类编码人员识别了发布了关于HTS的正面和负面情绪推文的Twitter账户，这表明潜在的用户群体持有混合或矛盾的观点。

训练数据集中的每条推文由2名编码员给出3个分类代码:(1)积极或不积极，(2)消极或不消极，(3)商业或非商业。商业内容被定义为任何促进特定水烟产品、设施或相关服务销售的内容(例如，水烟酒吧促销减价特惠)。这些推文是根据文本内容识别的，而不是根据发布内容的Twitter用户的类型(例如，水烟吧也可以在其他情况下发布非商业内容;个人用户可以推广水烟吧)。这允许我们将推文内容作为情感分析的主要单元，而不是包括用户级的元数据(例如，基于文本的机器学习分类器无法判断的机构名称或头像)。情绪(即积极和消极)被定义为 积极/消极的HTS而不是一个整体的积极或消极的表达。这为监督机器学习提供了一个优势，因为它允许分类器是特定于内容的，而不是依赖于一般的情感术语。先前的研究发现，与高温疗法相关的内容偏向正面[ 9， 10]，在最终的训练数据中，积极推文的采样不足，以匹配编码的消极推文的数量。

为了减少机器学习分类的复杂性，商业推文被分为积极的和支持hts。在机器学习完成对大约55.6万条推文的分类后，随机抽取1000条推文，计算3个性能指标:(1)精度，计算结果为真阳性除以标记为阳性的总实例数;(2)召回率，与灵敏度相同，计算为真阳性除以阳性总数;(3) f分，精密度和召回率的加权平均值。

最后，对同时发布积极和消极内容的Twitter用户进行定性分析。在内容搜索中，推文按用户分组;基于其他主题推文的两位作者的探索性观点(即，除了与水烟相关的帖子)，我们认为那些正面帖子是负面帖子的5倍以上，反之亦然的推文，不太可能有真正混合或矛盾的观点，因此被排除在考虑之外。然后，编码人员被要求识别那些同时发布积极和消极情绪推文的潜在用户。

这项研究结合了几个方面的研究，以整合机器学习和在线社交媒体，为公共卫生研究提供信息。我们对Twitter上的HTS帖子进行了为期6个月的情绪分析，发现大多数(67%)关于HTS的内容都是正面的。这证实了之前用更小的数据集对推特上HTS情绪的研究[ 9， 10］．6个尖峰 图1深入了解了长期监测HTS情绪如何可能为公共卫生部门提供信息。首先，在一首提到水烟的新发布的歌曲之后发现了一个积极的峰值，在一名运动员使用水烟的报道之后发现了一个消极的峰值，这证明了一个能够即时获取与水烟相关的现实世界事件的公众意见的过程。根据信息的情绪，可以开发即时响应来处理或利用这些情况。第二，关于新的高温超导装置或技术的报告也可迅速查明，并可根据需要采取快速对策。第三，尽管关于HTS休息室的讨论也引起了积极的高峰，但它最有可能通过使用自动机器人或非人类账户传播。先前的文献发现，大量讨论电子烟(电子烟)的推特账户——尤其是关于广告的——都来自于自动账户[ 19];可能也有同样高的比例用于高温运输。还需要进行更多的研究，以确定讨论高温旅行的自动帐户的流行程度，以及这可能对正在传播的信息产生什么影响。

第二阶段除了对用于监控的Twitter情绪的描述性分析之外，还成功地识别出了发布关于HTS情绪混杂或矛盾的推文的用户。我们的策略的实现是由两名编码人员的能力来证实的，他们能够检测出几个关于HTS的发布的tweet的明确例子，这些tweet在情绪上不同。为了简洁起见，我们将讨论限制在10个用户，尽管发现了更多用户。这些例子( 表2)包括那些只有试过高温超导有限次数(用户6和10),人们对高温超导但是谁去高温超导休息室(用户3),人们有很多朋友使用水烟(用户5),人们试图避免或退出高温超导(用户1,2,4,8),和人们认识的潜在负面影响高温超导但仍然支持或使用它(用户7和9)。这些Twitter用户可以任何公共卫生运动的理想观众专注于高温超导预防或停止。正如示例所示，数据中没有明显的词汇、主题或其他语义特征的清晰模式;相反，只有通过应用我们的方法聚合用户的推文，然后从大约561,000个帖子的数据集中搜索混合情绪的内容，我们才能识别这些推特用户。捕获所有这些用户的能力建立了该技术的优势，因为找到这些用户不容易手动完成。

在使用机器学习分析数据分布偏斜的主题时存在一些问题;不平衡的数据会降低机器学习算法对不成比例的小数据(也称为少数类)进行适当分类的能力。这是由于传统算法倾向于多数类，以优化错误率[ 20.］．例如，如果一个包含100条推文的数据集包含90条正面推文和10条负面推文，那么正确标记83条正面推文和6条负面推文的分类器将有89%的准确率;然而，另一个分类器将每条推文都标记为积极的，似乎得分为a 更好的90%，即使它无法检测到任何负面内容。由于先前的研究表明，社交媒体上与https相关的内容往往严重偏向正面，我们选择了一种策略，对正面推文进行低抽样[ 21]，以降低敏感性换取增加对少数群体的特异性。与之前的研究结果相似，并结合了相当高的负面回忆( 表1)表明我们的方法是成功的。

我们研究的局限性包括:仅使用Twitter上公开的数据;包含Twitter的私人内容可能会导致不同的结果。Twitter用户统计数据也会限制这些数据的可泛化性。有一种可能性是，一小部分与hts相关的推文实际上是在讨论使用水烟抽大麻，尽管在样本中没有发现人工编码的。当我们关注文本的语言特征时，没有分析图像或视频等其他媒体来源;扩展语言特征之外的内容也可能有助于提高较低的负位精度。此外，我们在选择监督机器学习时的策略将结果限制为HTS;分类器需要使用特定于内容的数据进行重新训练，以用于其他用途。

近年来，公共卫生官员开发了针对电子烟等烟草产品的推特活动。然而，这些活动可能被敌对组织劫持，并导致反活动。例如，芝加哥公共卫生部(Chicago Department of Public Health)在市议会就当地法规进行投票的一周前发布了一系列关于电子烟的信息。不幸的是，数以百计的推特回应了相反的说法，如卫生部门在撒谎或传播宣传。 22］．以类似的方式，加州公共卫生部在推特上发起了一场反对电子烟的媒体运动，名为 仍在冒烟．与芝加哥的案件一样，一场反运动迅速展开 不抽烟，得到了更多的关注[ 23］．在这两种情况下，最初的主题都是泛泛而深远的;遗憾的是，这些特性使得对立的组织可以有一个具有挑战性的单一信息，可以迅速传播给相同的人群。我们的研究提供了一种独特的方法来生成数据，以确定从自然话语中有机出现的精确亚群体和特定主题。查明对高温高温运输持有不同意见的用户，可作为公共卫生运动的可行动数据。这种方法不是完全依赖专家知识来开发一个单一的运动，从而冒着被对立组织滥用的风险，而是提供了经验证据来建立基于HTS用户或群体实际需要的信息的信息运动。

专注于HTS的烟草控制研究人员应努力针对这一受众群体开展活动。推特被提议作为公共卫生的监测场所[ 24， 25]，但利用大量用户生成的数据进行大规模公共卫生检测的其他努力成败参半[ 26]揭示了在线和社交媒体数据在人口统计和用户模式方面的非代表性[ 27］．然而，使用社交媒体作为一个环境来识别和接触潜在的接受性受众，有助于避免这些外部有效性的威胁。这种混合情绪策略不是烟草特有的，可以在任何公共卫生环境中实施。这种方法可以显著提高任何卫生运动的效率，使公共卫生部门注意可用的资源，并对更高的成功率有信心。

公共卫生运动经常利用大众媒体传播教育或信息信息。州一级公共卫生部门也利用推特开展烟草信息宣传活动，但效果不一[ 22， 23］．尽管政府已经采取措施利用社交媒体进行这些努力，但官员们使用的策略并不总是包含技术可以提供的新类型的信息。我们已经证明，用户对HTS的看法可以随着时间的推移而改变。因此，针对对HTS表达积极或中立情绪的个人进行公共卫生干预可能是值得的。在大型社交媒体数据集上应用机器学习技术，可以帮助公共卫生官员先发制人地识别最容易接受有针对性宣传活动的特定受众群体。这就提供了一种更有目的、更有效的方法来产生观点、信念或行为的改变。