滥用药物是一个紧迫的问题，它会影响到个人生活的多个方面。
　　南卡罗来纳大学、马希多大学、比茨•皮拉尼、亚利桑那州和俄亥俄州立大学的研究人员进行的这项研究分析了Twitter和Reddit等社交媒体网站上的帖子，这些帖子与滥用药物有关，同时通过加密市场上市跟踪阿片的销售情况。他们从黑暗网络和加密市场收集了各种阿片类物质的数据，并用情绪分析将其与社交媒体的帖子进行了比较。评估社交媒体数据，了解标签和帖子，了解他们表达的感受，并将其与药物使用数据关联起来。这不是一个有趣的标准吗？
　　根据研究，他们使用了命名实体识别（NER），一个先前经过训练的深度学习系统，从加密市场收集数据，包括名称、产品重量和其他规范。此数据用于根据现有数据库自动对它们进行分类。他们发现他们利用了深度学习算法伯特、LTSM和CNN为每个SubReddit帖子分配情感标签。结果显示，有很多帖子提到了高戊酮，一种通常用于治疗慢性疲劳的精神活性药物，还有另一种药物叫甲喹酮，一种镇静和催眠药。他们还发现了各种俚语，用于常用的药物。
　　2018年发表的一项早期研究利用了大众社交媒体Instagram的数据，构建了机器学习算法，并利用深度学习识别物质使用风险。利用深度学习文本和图像分析对深部神经网络提取的数据进行分类，然后用机器学习模型将其标记为高风险或低风险类别。
　　这些不是在这方面进行的唯一研究。还有一些类似《科学日报》中提到的，它讨论了宾夕法尼亚州信息科学与技术学院的研究人员开发的人工智能算法。他们所建立的模型可以预测美国年轻无家可归者对物质使用障碍的易感性，甚至建议一个个性化的康复计划。
　　深度学习由于其具有较高的准确率和对机器智能发展的贡献，因而越来越受到人们的欢迎。深度学习图像分类能力以及聚类和识别能力使该技术能够很好地支持使用任何视觉手段的研究。利用人工神经网络和深入学习来发现药物滥用风险将有助于各国更好地了解这一问题，并采取必要的行动。值得称赞的数据挖掘质量、高精度、速度提高、增强人类行为、分析情感的能力和自动化使机器学习和深度学习成为处理药物滥用问题的最佳选择。人工智能等技术的支持不仅限于识别风险，而且还建议治疗方法，在治疗期间协助个人，并跟踪治疗过程。人工智能的未来是光明的，新的途径将揭示更精确和智能的模式来打击和理解药物滥用的可能性。 

来源：贤集网