利用自然语言处理剖析迷幻剂体验：从 Erowid 论坛报告看蘑菇与 LSD 差异

为探究迷幻剂体验，研究人员利用 NLP 分析 Erowid 论坛报告，发现多种模型差异及体验主题。

　　迷幻剂在现代个性化医疗中的治疗潜力备受关注。像 Erowid 这样的在线论坛，能提供有价值的用户见解，但运用自然语言处理（Natural Language Processing，NLP）对这些体验进行的分析却不多见。本研究旨在运用 NLP，包括情感分析和词法分析，来探究 Erowid 论坛上用户分享的关于含裸盖菇素蘑菇（psilocybin-containing mushrooms）和麦角酸二乙酰胺（Lysergic acid diethylamide，LSD）的体验报告。

研究人员通过 XPath、CSS 选择器和 Selenium WebDriver 自动网络爬虫，收集了 2188 名 Erowid 用户的数据（其中 1161 人涉及裸盖菇素蘑菇，1027 人涉及 LSD）。数据集包含报告标题、使用物质和人口统计信息。情感分析采用了 BERT、RoBERTa 和 VADER 模型。在预处理阶段，进行了分词（tokenization）、词形还原（lemmatization）、词性标注（part-of-speech tagging）和停用词过滤（stop-word filtering）。词法分析则通过反复出现的 n 元语法确定主题，并利用 Python 进行可视化展示。

研究结果显示，裸盖菇素蘑菇用户和 LSD 用户的年龄相近，分别为 23.8 ± 0.9 岁和 20.0 ± 0.6 岁，且男性用户占比居多。BERT 模型大多将体验标记为负面（不利），在蘑菇用户中尤为明显（p = 0.001）。VADER 模型表明蘑菇用户有更多积极体验（p < 0.001），而 RoBERTa 模型主要将体验分类为负面或中性。仅在 VADER 模型分析中发现了显著的性别差异，更多男性用户对裸盖菇素蘑菇表达了积极看法（74.09% 对 65.52%，p < 0.021）。VADER 模型结果更两极化，RoBERTa 模型的谨慎分类则显示它适合分析冗长复杂的迷幻剂体验报告，且 RoBERTa 模型在基于 Transformer 的模型中表现最佳，准确率最高。词法分析揭示了情感、感官和时间相关的主题，裸盖菇素蘑菇的报告侧重于内省和时间膨胀现象，而 LSD 的报告则突出记忆问题和认知混乱。

总之，情感分析表明 VADER 模型结果更两极化，RoBERTa 模型分类谨慎且准确率最高。词法分析揭示了共同主题，蘑菇报告聚焦内省和时间膨胀感知，LSD 报告强调认知障碍。该研究凸显了这些分析在理解迷幻剂体验、减少危害和指导政策制定方面的价值。