Decoding the Narratives: Analyzing Personal Drug Experiences Shared on Reddit

本文讨论了网络社区（如与药物相关的subreddit）对于使用药物者（PWUD）来说是安全空间，促进了关于物质使用经验、伤害减少和戒毒康复的讨论。这些论坛上用户分享的叙述提供了了解物质使用障碍（SUD）发展和康复潜力的见解。本研究旨在开发一个多层次、多标签分类模型，分析关于物质使用经验的在线用户生成的文本。为此，我们首先引入了一个新的分类法来评估帖子的性质，包括它们的意图联系（探究或披露）、主题（如康复、依赖）和具体目标（如复发、质量、安全）。我们使用各种多标签分类算法对一组注释数据进行分析，结果表明，当GPT-4按照指示、定义和示例进行提示时，其表现优于所有其他模型。我们将该模型应用于标记额外的1,000个帖子，并分析每个类别中帖子中使用的语言表达类别。我们的分析表明，关于安全、物质组合和心理健康等主题更多地被披露，而关于生理效应的讨论则更侧重于伤害减少。我们的工作丰富了对PWUD经验的理解，并为SUD和药物使用的更广泛的知识库提供了信息。

本论文旨在开发一个多层次、多标签分类模型，分析有关物质使用经验的在线用户生成的文本。具体而言，论文试图解决如何对药物相关的Reddit帖子进行分类和分析的问题。

论文提出了一个新的分类模型，使用GPT-4模型进行分类，相比其他模型，取得了更好的表现。同时，论文还提出了一个新的分类法，包括意图连接、主题和特定目标等方面，以评估帖子的性质。

论文使用了多种多标签分类算法，并将模型应用于标记额外的1000篇帖子。研究发现，讨论安全、物质组合和心理健康等话题的帖子更容易被公开，而关于生理效应的讨论则更侧重于伤害减轻。论文的工作丰富了对PWUD的经验的理解，并为SUD和药物使用的更广泛的知识库提供了信息。

最近的相关研究包括使用深度学习模型进行情感分析和主题建模的研究，以及使用社交媒体数据进行药物滥用监测的研究。