在TikTok上的电子烟相关内容中的图像的识别和分类:无监督的机器学习图像集群方法
Juhan Lee1, Dhiraj Murthy2, Rachel Ouellette1
1Department of Psychiatry, Yale University School of Medicine, New Haven, CT, United States.
Substance use & misuse
|February 28, 2025
概括
在TikTok上的图像集群揭示了电子烟内容主题,如蒸汽云和设备. 这种方法有助于烟草监管机构对社交媒体进行监控.
科学领域:
- 社交媒体分析 社交媒体分析
- 数字健康数字健康
- 公共卫生监督 公共卫生监督
背景情况:
- 电子烟的内容在像TikTok这样的视觉社交媒体平台上很普遍.
- 文本的传统机器学习是常见的,但基于图像的分析,如图像集群,对于TikTok数据未得到充分利用.
- 图像聚类为分析大型视觉数据集提供了一种强大的方法,以识别模式和结构.
研究的目的:
- 应用图像集群技术来分析TikTok上的电子烟相关视觉内容.
- 探索图像聚类的实用性,以了解社交媒体上分享的电子烟图像的性质和主题.
主要方法:
- 2021年11月在TikTok上搜索了13个与电子烟相关的标签,收集了12,599个帖子.
- 在数据清理后,使用图像集群模型分析了838张电子烟TikTok图像.
- 集群在数量和质量上得到了评估,并被分类为总体主题.
主要成果:
- 在TikTok上识别了20个不同的电子烟图像集群.
- 出现了四个主要主题:蒸汽云,设备,图像中的基于文本的内容和其他各种图像特征.
- 内容包括vape技巧,设备演示和文本叠加.
结论:
- 图像聚类是识别和分类TikTok上各种电子烟内容的有效方法.
- 这种新的方法可以帮助烟草监管机构快速监测电子烟营销和社交媒体上的趋势.


