机器学习在Twitter上检测阿片类药物的营销和销售

利用先进的机器学习,加州大学圣地亚哥分校的一个跨学科团队研究人员开发了一种技术,用于挖掘Twitter以识别在线非法销售处方阿片类药物的实体。

在2015年6月至11月期间,收集了包含关键词可待因,Percocet,芬太尼,Vicodin,Oxycontin,羟考酮和氢可酮的约619,937条推文。该研究结果于10月在线发表在“美国公共卫生杂志”上,检测到1,778个营销受控物质的帖子,其中90%包括在线网站购买的超链接。

“在美国,处方和非处方阿片类药物的不健康使用率持续上升。公共政策和执法工作正试图解决这一危机,但需要更加关注数字技术的潜在负面影响,”蒂姆说。 K. Mackey,博士,加州大学圣地亚哥分校医学院麻醉学和全球公共卫生学副教授,第一作者。“我们的研究证明了一项技术的实用性,可以帮助搜索社交媒体中存在公共威胁的行为,例如非法销售受控物质。”

Mackey和加州大学圣地亚哥分校医学院和Jacobs工程学院的研究人员使用了一个包含基于云计算的三步流程来收集大量通过关键词过滤的推文,机器学习以隔离与阿片类药物营销相关的推文,以及网络法医检查,以分析包括外部网站超链接的帖子。

在为期五个月的研究期间,只有不到1%的提及阿片类药物的推文是营销处方阿片类药物,当团队在八个月后分析数据时,这些推文中只包含46个超链接仍然有效。然而,如果该技术被用于主动监视,该数据可用于查找更多实时链接,也可用于监视和检测其他与健康有关的非法在线活动,Mackey说。

Ryan Haight在线药房消费者保护法禁止在线直接向消费​​者销售和销售受控物质。它是在2008年18岁的圣地亚哥Ryan Haight在网上购买Vicodin后去世后通过的。

“这项技术可以帮助改善Ryan Haight法案的执行,”Mackey说。“此外,社交媒体提供商可以使用它来查找或禁止非法或违反法律的内容,以确保消费者在线获得更安全的体验。”

法医学研究人员将Twitter上的营销与博客,其他社交媒体平台,用户表格,在线分类广告和网站联系起来。Mackey说,大多数网站都有外国地址,其中很多都与巴基斯坦有关 - 巴基斯坦最近被认定为假冒伪劣药品的来源和出口国。

“联邦法律直接禁止在线销售受控物质。但是,社交媒体似乎成为增加药物滥用行为风险的渠道,”Mackey说。

本研究以2017年2月的“上瘾行为”杂志为研究基础,该研究使用相同的机器学习技术过滤Twitter内容,以识别处方药和行为趋势的非医学用途。