基于CNN分类与主题建模的中国社交媒体饮食失调话语检测研究

《Journal of Eating Disorders》：Identifying and characterizing eating disorder discourse on Chinese social media: a machine learning approach

　　

摘要

背景

饮食失调症（EDs）是一种严重的精神疾病，具有高死亡率及大量医疗并发症。在中国，诊断不足和治疗参与率低阻碍了及时干预。社交媒体平台提供了观察与饮食失调相关经历的自然视角，但针对中文数据的研究仍然稀缺。机器学习（ML）和深度学习（DL）的进展为识别和表征此类饮食失调话语提供了新机遇，有助于在中国背景下开发可扩展的检测方法以及具有文化针对性的预防和干预策略。

方法

我们通过基于关键词的 API 搜索从微博收集了与饮食失调相关的帖子，并手动将它们标注为三组：不相关内容、推广/教育内容以及普通用户帖子。在框架训练中采用了五种机器学习/深度学习方法，包括卷积神经网络（CNNs）、随机森林、XGBoost、支持向量机（SVMs）和逻辑回归，用于识别与饮食失调相关的帖子，分为两个阶段：（1）过滤不相关帖子，（2）区分推广/教育帖子与普通用户帖子。分类器性能在同用户的额外帖子上进行评估。潜在狄利克雷分配（LDA）被应用于普通用户子集，以提取潜在的饮食失调相关主题。

结果

CNN 始终优于其他模型，在两个分类阶段均取得了较高的 F1 分数（分别为 0.882 和 0.988）。主题模型揭示了五个主题：限制性症状和身体痛苦、暴食及身体健康担忧、复发与应对叙事、情绪宣泄，以及具有身份影响的慢性饮食失调模式。

结论

本研究表明，基于 CNN 的分类结合主题模型为检测中国社交媒体上饮食失调相关的话语提供了一种可扩展的框架。除在非英语自然语言处理方面的方法学进展外，这些发现还突显了具有文化特异性的症状表达和心理社会问题，为公共卫生监测提供了新的见解。这些见解可以为开发早期检测工具和具有文化敏感性的干预措施提供信息，以解决中国饮食失调患者的未满足需求。