Clasificador de información en Salud de YouTube

Abstract

En la actualidad tanto pacientes como profesionales de la salud, utilizan las redes sociales para informarse sobre enfermedades y tratamientos. Estos canales no son unidireccionales, ya que permiten intercambiar experiencias y opiniones entre usuarios. Ofrecen inmediatez y acceso a una amplia comunidad con los mismos intereses en determinadas temáticas de salud. El potencial de las redes sociales para la difusión de información en salud es evidente. Sin embargo, la información publicada carece de la rigurosidad de las publicaciones científicas y resulta difícil determinar la veracidad de la información difundida en vídeos y comentarios. En este trabajo, se presenta una metodología basada en el procesado de lenguaje natural (NLP) para analizar de los textos de los vídeos y el reconocimiento de entidades nombradas (NER) para identificar términos relevantes en coronavirus.

En l'actualitat tant pacients com professionals de la salut, utilitzen les xarxes socials per a informar-se sobre malalties i tractaments. Aquests canals no són unidireccionals, ja que permeten intercanviar experiències i opinions entre usuaris. Ofereixen immediatesa i accés a una àmplia comunitat amb els mateixos interessos en determinades temàtiques de salut. El potencial de les xarxes socials per a la difusió d'informació en salut és evident. No obstant això, la informació publicada manca de la rigorositat de les publicacions científiques i resulta difícil determinar la veracitat de la informació difosa en vídeos i comentaris. En aquest treball, es presenta una metodologia basada en el processament de llenguatge natural (NLP) per a analitzar dels textos dels vídeos i el reconeixement d'entitats nomenades (NER) per a identificar termes rellevants en coronavirus.

Nowadays, both patients and healthcare professionals use social networks to find out about diseases and treatments. These channels are not unidirectional, as they allow users to exchange experiences and opinions. They offer immediacy and access to a large community with the same interests in certain health topics. The potential of social networks for the dissemination of health information is evident. However, the information published lacks the rigor of scientific publications and it is difficult to determine the veracity of the information disseminated in videos and comments. In this paper, we present a methodology based on natural language processing (NLP) to analyze video texts and named entity recognition (NER) to identify relevant terms in coronaviruses.