DrugTracker: A Community-focused Drug Abuse Monitoring and Supporting System using Social Media and Geospatial Data (Demo Paper)
DrugTracker: A Community-focused Drug Abuse Monitoring and Supporting System using Social Media and Geospatial Data (Demo Paper)
复制标题
DrugTracker：使用社交媒体和地理空间数据的以社区为中心的药物滥用监测和支持系统（演示论文）
DOI：
10.1145/3347146.3359076
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Vo, Huy T.
中科院分区：
文献类型：
--
作者：
Hu, Han;Phan, NhatHai;Ye, Xinyue;Jin, Ruoming;Ding, Kele;Dou, Dejing;Vo, Huy T.
在本文中，我们提出了一个以社区为中心的药物滥用监测和支持系统，称为DrugTracker，它利用社交媒体和地理空间数据在近实时。通过该系统，用户可以：（1）从社交媒体平台检测药物滥用风险行为，例如，Twitter;（2）通过查询具有关键字、空间实体和时间约束的合并和实时数据集来分析药物滥用风险行为;以及（3）通过基于Web的用户界面以主题分区图、热图和统计图表探索查询结果和相关数据。为了保护Twitter用户的隐私，其数据被收集，该系统自动隐藏推文中的重新识别元素，并将地理标签聚合到人口普查区等区域。出于演示目的，我们的DrugTracker系统填充了一个数据库，其中包含2017年的约1000万条推文，这些推文被我们的深度学习模型注释为药物滥用风险行为。
In this paper, we present a community-focused drug abuse monitoring and supporting system, called DrugTracker, that utilizes social media and geospatial data in near real-time. Through the system, users can: (1) Detect drug abuse risk behaviors from social media platforms, e.g., Twitter; (2) Analyze drug abuse risk behaviors by querying consolidated and live datasets with keywords, spatial entities, and time constraints; and (3) Explore the query results and associated data through a web-based user interface in thematic choropleth, heatmap, and statistical charts. To protect the privacy of the Twitter users, whose data is collected, the system automatically hides the re-identification elements in tweets and aggregates the geo-tags into areas such as census tracts. For the demonstration purpose, our DrugTracker system is populated with a database that contains about 10 million tweets from the year 2017, that were annotated as drug abuse risk behavior positive by our deep learning model.
登录
查看更多内容
影响因子：
--
作者：
Moreno, Megan A.;Christakis, Dimitri A.;Egan, Katie G.;Brockman, Libby N.;Becker, Tara
通讯作者：
Becker, Tara
通过社交媒体探索和减少处方药滥用的机会
DOI：
--
发表时间：
2016
期刊：
Journal of Addictive Diseases
影响因子：
--
作者：
X. Ruan;A. Kaye
通讯作者：
A. Kaye
影响因子：
7.4
作者：
Myslín M;Zhu SH;Chapman W;Conway M
通讯作者：
Conway M
影响因子：
1.7
作者：
Orsolini, Laura;Papanti, Duccio;Schifano, Fabrizio
通讯作者：
Schifano, Fabrizio
在推文中启用实时药物滥用检测
DOI：
10.1109/icde.2017.221
发表时间：
2017
期刊：
2017 IEEE 33rd International Conference on Data Engineering (ICDE)
影响因子：
--
作者：
Nhathai Phan;Soon Ae Chun;Manasi Bhole;J. Geller
通讯作者：
J. Geller