%0期刊文章%@ 1438-8871 %I JMIR Publicat卡塔尔世界杯8强波胆分析ions %V 18 %N 8 %P 232 %T使用主题建模和社区检测表征Twitter上关于HPV疫苗的讨论%A Surian,Didi %A Nguyen,Dat Quoc %A Kennedy,Georgina %A Johnson,Mark %A Coiera,Enrico %A Dunn,Adam G %+麦考瑞大学澳大利亚健康创新研究所健康信息学中心，新南威尔士北莱德Talavera路75号6层，2109，澳大利亚，61 +61298502455，didi.surian@mq.edu.au % K主题造型% K图算法分析% K社交媒体% K公共卫生监测% D原始论文7 29.08.2016 % 9 2016% % J J互联网Res % G英语% X背景:在公共卫生监测、测量信息如何进入和通过网络社区传播可能帮助我们理解地理决策的变化与不良健康状况有关。目的:我们的目的是评估社区结构和主题建模方法的使用，作为描述Twitter上关于人乳头瘤病毒(HPV)疫苗的意见聚类的过程。方法:本研究调查了2013年10月至2015年10月收集的有关HPV疫苗的Twitter帖子(tweets)。我们测试了潜在狄利克雷分配(Latent Dirichlet Allocation)和狄利克雷多项混合(Dirichlet Multinomial Mixture, DMM)模型，用于推断与推文相关的主题，以及社区聚集(Louvain)和随机漫步编码(Infomap)方法，用于从用户的社会关系中检测用户的社区结构。我们使用几种常见的聚类对齐度量来检查社区结构和主题之间的对齐，并引入了基于特定主题在少数社区中的集中的对齐统计度量。提供主题的可视化以及主题与社区之间的一致性，以支持在公共卫生交流背景下对结果的解释，并确定有拒绝HPV疫苗安全性和有效性风险的社区。结果:我们分析了来自4387524个社交关系连接的101519名用户的285417条关于HPV疫苗的Twitter帖子(tweets)。通过对社区结构与tweet主题之间的一致性进行检验，结果表明，Louvain社区检测算法与DMM联合产生的一致性值始终较高，并且当主题数量较低时，一致性值通常较高。在应用Louvain方法和DMM方法后，我们将30个主题和语义相似的主题分组在一个层次结构中，我们将163,148条推文(57.16%)描述为证据和倡导，6244条推文(2.19%)描述个人经历。 Among the 4548 users who posted experiential tweets, 3449 users (75.84%) were found in communities where the majority of tweets were about evidence and advocacy. Conclusions: The use of community detection in concert with topic modeling appears to be a useful way to characterize Twitter communities for the purpose of opinion surveillance in public health applications. Our approach may help identify online communities at risk of being influenced by negative opinions about public health interventions such as HPV vaccines. %M 27573910 %R 10.2196/jmir.6045 %U //www.mybigtv.com/2016/8/e232/ %U https://doi.org/10.2196/jmir.6045 %U http://www.ncbi.nlm.nih.gov/pubmed/27573910

map