来自社交媒体数据的高分辨率酒精和烟草行为时间表示

了解与烟草和酒精相关的行为模式对于揭示风险因素和设计有针对性的社交计算干预系统至关重要。由于我们每天会做出多次选择，每小时和每天的模式对于更好地理解行为至关重要。在这里，我们结合自然语言处理、机器学习和时间序列分析来评估与酒精和烟草消费相关的Twitter活动及其每日、每周周期。将酒精和烟草使用的Twitter自我报告与类似时间分辨率的其他数据流进行比较。我们评估使用这些时间模式是否可以区分推断的未成年人与法定年龄人群关于饮酒的讨论，或不同类型烟草产品使用的讨论。我们发现，社交媒体上行为的时间和频率域表示可以提供有意义且独特的见解，并讨论了该方法可能最有用的行为类型。