BERTopic_Teen: un enfoque de optimización de módulos múltiples para el modelado de temas de textos cortos en la salud...

Área de la Ciencia:

• Salud pública digital
• Ciencias sociales computacionales
• Vigilancia de la salud de los adolescentes

Sus antecedentes:

• Las redes sociales proporcionan datos en tiempo real para la salud pública.
• El texto en forma corta en las redes sociales presenta desafíos para el modelado de temas tradicionales.
• Las discusiones sobre la salud de los adolescentes en línea requieren herramientas analíticas especializadas.

Objetivo del estudio:

• Desarrollar un marco de modelado de temas optimizado para tweets relacionados con la salud de los adolescentes.
• Abordar la escasez semántica y el ruido en el texto de las redes sociales en forma corta.
• Mejorar la precisión y la estabilidad de la extracción de temas de los datos de salud de los adolescentes en línea.

Principales métodos:

• Se propuso BERTopic_Teen, que incorpora el regulador de desviación de popularidad (PDR), el optimizador de incorporación dinámica de documentos (DDEO) y la matriz de reasignación probabilística (PRM).
• Utilizó un conjunto de datos de 64,441 tweets de salud de adolescentes.
• Comparó BERTopic_Teen con LDA, NMF, Top2Vec y el BERTopic original.

Principales resultados:

• BERTopic_Teen demostró un rendimiento superior en todas las métricas de evaluación en comparación con los métodos existentes.
• Logró una mejora del 16,1% en la coherencia temática (NPMI = 0,2184).
• Se informó de una mayor diversidad de temas (TD = 0,9935) y una menor perplejidad (1,7214).

Conclusiones:

• BERTopic_Teen ofrece una solución robusta para analizar temas de salud de los adolescentes en las redes sociales.
• El marco mejora la claridad semántica, la distinción del tema y la estabilidad del modelado.
• Los hallazgos apoyan el avance de la vigilancia de la salud pública a través de un análisis mejorado de los datos de las redes sociales.