TY - JOUR AU - Chu, Kar-Hai AU - Colditz, Jason AU - Malik, Momin AU - Yates, Tabitha AU - Primack, Brian PY - 2019 DA - 2019/07/08 TI -确定公共卫生运动的主要目标受众:利用机器学习的水烟吸烟乔- J地中海互联网Res SP - e12443六世- 21 - 7 KW -吸烟水管KW -给水管烟草KW -烟草KW -吸烟KW -社会媒体KW -公共卫生千瓦infodemiology KW - infoveillance KW -机器学习AB -背景:水烟吸烟(高温超导)是一个特别重要的问题对公共卫生专业人员来解决由于其患病率和有害健康的影响。社交媒体网站可以成为公共卫生官员开展信息卫生运动的宝贵工具。目前的社交媒体平台为研究人员提供了更好地识别和锁定特定受众甚至个人的机会。然而，我们还不知道有系统的研究试图确定对HTS持有混合或矛盾观点的受众。目的:本研究的目的是(1)通过利用机器学习技术，使用更大的数据集，证实先前的研究显示推特上的HTS情绪存在正向倾斜;(2)系统地识别通过推特平台对HTS表现出混合意见的个人，从而代表干预的关键受众。方法:前瞻性收集2016年1 - 6月与HTS相关的推文。我们对约5000个随机抽样的推文的情绪进行了双重编码，并使用这些数据训练机器学习分类器来评估其余约55.6万个与HTS相关的推文。使用自然语言处理软件提取语言特征(即基于语言的协变量)。通过使用r的机器学习工具和算法对数据进行处理。最后，我们使用结果来识别那些因为持续发布积极和消极内容而可能对HTS持矛盾态度的个体，并代表了干预的理想受众。 Results: There were 561,960 HTS-related tweets: 373,911 were classified as positive and 183,139 were classified as negative. A set of 12,861 users met a priori criteria indicating that they posted both positive and negative tweets about HTS. Conclusions: Sentiment analysis can allow researchers to identify audience segments on social media that demonstrate ambiguity toward key public health issues, such as HTS, and therefore represent ideal populations for intervention. Using large social media datasets can help public health officials to preemptively identify specific audience segments that would be most receptive to targeted campaigns. SN - 1438-8871 UR - //www.mybigtv.com/2019/7/e12443/ UR - https://doi.org/10.2196/12443 UR - http://www.ncbi.nlm.nih.gov/pubmed/31287063 DO - 10.2196/12443 ID - info:doi/10.2196/12443 ER -