本文主要是介绍【摘要】Automatic Opioid User Detection From Twitter:基于异构信息网络上相似度的创建在不同元图上的转导集成,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
标题:Automatic Opioid User Detection From Twitter: Transductive Ensemble Built On Different Meta-graph Based Similarities Over Heterogeneous Information Network(在Twitter上检测鸦片使用者)
作者:
摘要:
Opioid(比如heroin和morphine)上瘾,已经成为了美国最庞大和致命的流行病。为了与这样致命的流行病展开对抗,本文,我们提出了一个新颖的结构,叫做HinOPU,用以在Twitter上自动检测吸毒者,这将有助于加深我们对Opioid类药物成瘾和治疗的行为过程的了解。在HinOPU中,为了建模用户和他们所发布的推文,以及他们之间丰富的关联关系,我们介绍了异质信息网络(HIN)用来进行表示。接下来,我们使用了基于元图的方法去刻画用户间的语义相关性;接着,基于HIN上的元图,在用户间指定了不同的相似度量。为了降低监督学习所需的标记样本的开销,我们提出了一个转导分类的方法,用以建立基本的基于由不同元图得到的不同相似度量的分类器。然后,为了进一步提高检测准确率,我们构建了一个集成(ensemble),用以结合通过不同基础分类器进行opioid用户检测所得的不同预测结果。通过在从Twitter上得到的真实的样本集合上进行的综合实验,与其他方法进行比较,证明了HinOPU在opioid用户检测上的有效性。
这篇关于【摘要】Automatic Opioid User Detection From Twitter:基于异构信息网络上相似度的创建在不同元图上的转导集成的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!