What Trends in Chinese Social Media
近年来，全世界的在线社交网络增长迅猛。虽然Twitter和Facebook等一些网络已经有了很好的记录，但中国流行的微博社交网络新浪微博尚未被研究。在这项工作中，我们研究了新浪微博上的关键话题，并将它们与我们在Twitter上的观察进行了对比。我们发现，与Twitter等全球社交网络相比，中国分享的内容存在巨大差异。在中国，这些趋势几乎完全是由于媒体内容的转发，如笑话，图像和视频，而在Twitter上，这些趋势往往与当前的全球事件和新闻报道有关。
2011-07-18 cs.CY cs.SI physics.soc-ph
A Biased Review of Biases in Twitter Studies on Political Collective Action
近年来，研究人员被社交媒体平台（尤其是Twitter）吸引，将其作为对社会现象进行实证分析的沃土。社交媒体为研究人员提供了追踪互动和话语的数据，这些数据曾经在离线世界中没有记录。研究人员试图利用这些数据来解释社交媒体特有的社会现象，并适用于更广泛的社会世界。本文对基于Twitter的政治人群行为研究进行了简要回顾。这些文献提供了对Twitter上特定社会现象的洞察力，但往往未能使用标准化的方法，允许超越个人研究的解释。此外，这些文献未能将方法和结果建立在社会或政治理论的基础上，将实证研究与解释它所需的理论相分离。相反，论文主要关注社交媒体分析的方法创新，但这些方法往往无法充分证明这些方法的有效性。这篇小评论考虑了少数选定的论文;我们分析了他们（通常缺乏）的理论方法，回顾了他们的方法论创新，并就他们的结果与政治学家和社会学家的相关性提出了建议。
2016-05-16 cs.CY cs.SI physics.data-an
Election campaigning on social media: Politicians, audiences and the mediation of political communication on Facebook and Twitter
虽然大量研究集中在网上竞选，但仍不清楚政治家如何使用不同的社交媒体平台进行政治沟通。本文以2013年德国联邦大选为研究对象，考察了候选人是否会针对大众最关注的话题进行演讲，以及Facebook和Twitter的特性在多大程度上影响了候选人的交流。基于在竞选期间进行的代表性调查的开放式的答复，我们训练人类可解释的贝叶斯语言模型，以确定政治话题。将该模型应用于候选人及其直接受众的社交媒体信息，我们发现两者都优先考虑与大众受众不同的主题。分析还表明，政客们使用Facebook和Twitter的目的不同。我们与各种调查结果的调解，在社会媒体上引起的特定特征的观众和社会技术环境的政治沟通。
2018-01-26 cs.CY
The Directed Closure Process in Hybrid Social-Information Networks, with an Analysis of Link Formation on Twitter
人们经常认为，信息网络中的定向链接通常是通过“捷径”源和目的地之间的两步路径形成的，这是一种隐含的“链接复制”，类似于三重闭合过程。在社交网络中。尽管这一假设在诸如偏好依恋等理论模型中发挥了重要作用，但它却很少得到直接的实证研究。在这里，我们开发了一种形式化和方法来研究这种类型的定向关闭过程，我们提供的证据，其重要作用，在Twitter上的链接的形成。然后，我们分析了一系列的模型，旨在捕捉的结构现象，我们观察到的Twitter数据中的定向关闭。
2010-03-12 cs.CY physics.soc-ph stat.AP
Dissecting a Social Botnet: Growth, Content and Influence in Twitter
University of Washington（华盛顿大学）
社交僵尸网络已经成为社交媒体上的一个重要现象。社交机器人可以通过许多方式破坏或影响在线话语，例如垃圾邮件标签，诈骗twitter用户和astroturfing。在本文中，我们考虑了Twitter中的一个特定社交僵尸网络，以了解它如何随着时间的推移而增长，社交僵尸网络的推文内容与同一数据集中的普通用户有何不同，以及社交僵尸网络如何影响相关讨论。我们的分析是基于对叙利亚社交机器人的大约3000条阿拉伯语和英语推文的定性编码，这些推文在关闭之前在Twitter上活跃了35周。我们发现，这个特定的僵尸网络的增长，行为和内容并没有特别符合僵尸网络的常见概念。此外，我们确定僵尸网络的有趣的方面，区分它从普通用户。
2016-04-13 cs.CL cs.CY cs.SI
Social Analysis of Young Basque Speaking Communities in Twitter
HiTZ Center - Ixa, University of the Basque Country UPV/EHU（HiTZ中心-Ixa，巴斯克大学UPV/EHU）
在本文中，我们考虑到社会和语言方面进行人口分析，通过处理大量的推文在巴斯克语。通过应用机器学习和现代深度学习自然语言处理（NLP）技术，将社会科学与自动文本处理相结合，对人口统计特征和社会关系进行研究。更具体地说，我们的主要目标是结合人口统计推断和社会分析，以检测年轻的巴斯克Twitter用户，并确定他们的关系或共享内容所产生的社区。这种社会和人口统计分析将完全基于自动收集的推文，使用NLP将非结构化文本信息转换为可解释的知识。
2021-09-08 cs.CL cs.CY
Twitter as a Transport Layer Platform
互联网信使和社交网络已成为现代数字生活的组成部分。我们考虑的不仅仅是单个用户之间的交互，还有存在于这些应用程序中的各种应用程序。通常，用于社交网络的应用使用通用登录系统并且依赖于来自社交网络的数据。此外，当这些应用程序在像Facebook这样的大型社交网络中时，它们可能会获得更多的吸引力。同时，对社交网络的通信能力关注较少。在本文中，我们首先将Twitter定位为一个消息传递系统。我们描述的方式信息系统可以使用Twitter作为自己的服务的传输层。我们的工作为Twitter引入了一个名为411的可编程服务，它支持通过推文的用户定义和特定于应用程序的命令。
2015-09-23 cs.CY cs.SI
Political Polarization in Social Media: Analysis of the "Twitter Political Field" in Japan
关于互联网是一个公共领域还是一个回音室，人们一直在争论。在众多形式的社交媒体中，Twitter是政治辩论最重要的在线场所之一。以往的研究大多集中在Twitter政治场的形式结构上，如其同性恋倾向，或者将分析限制在少数几个主题上。然而，为了探讨Twitter是否具有回音室的功能，我们不仅要调查Twitter政治场的结构，还要调查Twitter政治场的内容。因此，我们进行了大规模的社会网络分析和自然语言处理。我们首先将社区发现方法应用到Twitter的互惠追随网络中，发现了该领域中的五个政治上不同的社区。我们通过采用主题模型分析推文的内容，进一步研究了其中讨论的主要主题，我们发现，与仇外心理有关的主题仅在右翼社区中流传。据我们所知，这是第一个研究，以解决回声室在日本的Twitter政治领域，并检查正式结构和内容的tweet与大规模社会网络分析和自然语言处理相结合。
2017-11-17 cs.CY cs.SI
The Digital Architectures of Social Media: Comparing Political Campaigning on Facebook, Twitter, Instagram, and Snapchat in the 2016 U.S. Election
本研究认为，社交媒体上的政治沟通是由一个平台的数字架构，定义为技术协议，使，约束和塑造用户在虚拟空间中的行为介导。介绍了一个理解数字架构的框架，并沿着类型学比较了四个平台（Facebook，Twitter，Instagram和Snapchat）。以2016年美国大选为例，对三位共和党数字战略家的采访与社交媒体数据相结合，以验证研究的理论主张，即平台的网络结构，功能，算法过滤和传播模型会影响社交媒体上的政治竞选策略。
2019-04-15 cs.CY cs.HC cs.SI
Dynamical Classes of Collective Attention in Twitter
微博客系统，如Twitter，揭露了社会话语的数字痕迹，对个人行为的分辨率达到了前所未有的程度。他们提供了一个机会，调查如何一个大规模的社会系统响应外源或内源性的刺激，并解开时间，空间和主题方面的用户的活动。在这里，我们重点关注Twitter中的集体关注峰值，特别是标签受欢迎程度的峰值。用户使用主题标签作为社交注释的一种形式，为特定的事件，主题或模因定义共享上下文。我们分析了一个大规模的Twitter活动记录，发现随着时间的推移hastag流行的演变定义离散类的标签。我们将这些动态类链接到主题标签所代表的事件，并使用文本挖掘技术来提供hastag类的语义特征。此外，我们跟踪了Twitter社交网络中hashtag的传播，发现流行病传播在hastag流行度中起着次要作用，这主要是由外源因素驱动的。
2012-03-01 cs.CY cs.HC cs.SI
Social Contagion: An Empirical Study of Information Spread on Digg and Twitter Follower Graphs
社交网络已成为信息传播、搜索、营销、专业知识和影响力发现的关键因素，并可能成为动员人民的重要工具。社交媒体使社交网络无处不在，也使研究人员能够获得大量数据进行实证分析。这些数据集为研究个人和群体行为的动态、网络的结构和信息流动的全球模式提供了丰富的证据来源。然而，在以前的大多数研究中，底层网络的结构并不直接可见，而是必须从个人之间的信息流中推断出来。因此，我们还不了解网络上的信息传播的动态或网络的结构如何影响它。我们通过分析两个流行的社会新闻网站的数据来解决这个问题。具体来说，我们提取活跃的Digg和Twitter用户的追随者图，并跟踪对新闻故事的兴趣如何通过图级联。我们比较和对比这两个网站上的信息级联的属性，并阐明他们告诉我们的动态网络上的信息流。
2013-08-12 cs.CY cs.SI physics.data-an
Social Media Monitoring of the Campaigns for the 2013 German Bundestag Elections on Facebook and Twitter
随着越来越多的人使用社交媒体来传达他们对选举的看法和看法，研究人员越来越多地从社交媒体平台收集和分析数据。我们的研究重点是与2013年德国议会选举相关的社交媒体传播[翻译：Bundestagswahl 2013]。我们使用来自Facebook和Twitter的数据构建了几个社交媒体数据集。首先，我们确定了最相关的候选人（n= 2，346），并检查他们是否拥有社交媒体帐户。Facebook数据于2013年11月收集，涵盖2009年1月至2013年10月。在Facebook上，我们发现了1,408个Facebook墙，其中包含大约469,000个帖子。Twitter的数据是在2013年6月至12月期间收集的，以政府宪法结束。在Twitter上，我们确定了1，009名候选人和76名其他代理人，例如记者。我们估计，仅在7月27日至9月27日期间，相关推文的数量就超过800万条。在本文档中，我们总结了过去的研究文献，讨论了研究与我们的数据集的可能性，解释了数据汇集程序，并提供了数据的描述和社会媒体数据的归档和传播的问题的讨论。
2014-04-01 cs.CY cs.SI
An Exploration of Social Identity: The Geography and Politics of News-Sharing Communities in Twitter
集体社会行动在当前事件中的重要性体现在阿拉伯之春和占领运动中。电子社交媒体已成为社会互动的普遍渠道，也是对信息作出集体社会反应的基础。对社交媒体的研究可以揭示个人行为如何结合起来成为社会的集体动力。对自发形成的群体进行定性，可以揭示个人如何自我认同以及他们将如何共同行动。在这里，我们映射的社会，政治和地理属性的新闻共享社区在Twitter上，一个流行的微博平台。我们跟踪用户生成的包含《纽约时报》在线文章链接的消息，并根据用户共享的链接主题、地理位置和自我描述关键字对用户进行标记。当用户根据谁在Twitter上关注谁进行聚类时，我们发现社交群体根据他们是否对本地（纽约），国家（美国）或全球（世界性）问题感兴趣而分开。国家集团细分为自由派，保守派和其他，后者是一个多样化的，但主要是商业导向的集团与体育，艺术和其他分裂。全国性政治团体总部设在美国各地，但与广泛关注各种主题的全国性团体不同。一个世界主义者与其他世界主义者交往，一个美国自由主义者/保守主义者与其他美国自由主义者/保守主义者交往，创造了具有这些身份的独立社会群体。地方、国家和国际社区的“公民”的存在是社会组织各级对话和行动的基础。
2012-02-20 cs.CY cs.SI nlin.AO
The role of twitter in the life cycle of a scientific publication
Twitter是一个微博社交媒体平台，提供短消息，可以对科学家如何创建和发布想法产生长期影响。我们调查了twitter在科学知识的发展和传播中的作用。在科学出版物的生存周期开始时，twitter提供了一个由同事组成的大型虚拟部门，可以帮助快速产生、分享和提炼新的想法。当想法变成手稿时，twitter可以作为一个非正式的舞台，对正在进行的工作进行预先审查。最后，在推特上发布已发表的研究成果可以向其他研究人员、决策者、记者和公众等广泛受众传播研究成果，从而扩大出版物的科学和社会影响。然而，也有局限性，主要是围绕知识产权和所有权，包容性和歪曲科学的问题。尽管如此，我们相信Twitter是一个有用的社交媒体工具，可以为21世纪的科学出版做出宝贵的贡献。
2013-05-02 cs.CY cs.DL physics.soc-ph
A Study of Cyber Hate on Twitter with Implications for Social Media Governance Strategies
本文探讨了如何通过加强新的数字空间的自我管理机制来减轻网络仇恨的有害影响。我们报告的结果，从一个混合的方法研究网络仇恨的帖子，其目的是：（一）了解人们如何在这种情况下进行互动进行定性互动分析，并开发一个统计模型，以解释数量的响应网络仇恨张贴到Twitter，（ii）探索使用机器学习技术，以协助识别网络仇恨反言论。
2019-08-30 cs.CY cs.SI
Are Generics and Negativity about Social Groups Common on Social Media? A Comparative Analysis of Twitter (X) Data
Utrecht University（乌得勒支大学）
本研究开发机器学习分类器分析超百万条推文，发现多数人物相关推文无社会泛指表述，含泛指的推文互动量更高，且政治群体相关负面泛指推文比族裔群体的更普遍、转发更多。
2024-05-14 cs.CY cs.LG cs.SI
Strategies and Influence of Social Bots in a 2017 German state election - A case study on Twitter
随着社交媒体渗透到大部分人口中，它同时也成为接触许多人的一种方式，例如政治信息。有效接触这些人的一种方法是应用旨在模拟人类行为的自动化计算机程序--所谓的社交机器人。这些机器人被认为能够潜在地影响用户对某个话题的看法。为了深入了解这些机器人在德国联邦议院选举前的使用情况，我们从Twitter上收集了一个数据集，其中包括有关2017年5月德国州选举的推文。基于相关特征和网络可视化分析了社交机器人的策略和影响。已识别出61个社交机器人。可能是由于集中在德语以及选举的区域性，已识别的机器人没有显示出集体政治策略的迹象，影响力很低甚至没有。的影响进行了讨论。
2017-10-20 cs.CY cs.HC
COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies
有关COVID-19疫苗的虚假声明可能会破坏公众对正在进行的疫苗接种活动的信任，从而对全球公共卫生构成威胁。自2019冠状病毒病疫情开始以来，源自各种来源的错误信息一直在网上传播。在本文中，我们提出了一个Twitter帖子的数据集，这些帖子表现出强烈的反疫苗立场。该数据集由两部分组成：a）以关键字为中心的流媒体数据汇集，其中包含超过180万条推文; b）历史账户级别的收集，其中包含超过1.35亿条推文。前者利用Twitter流媒体API，从2020年10月中旬开始跟踪一组特定的疫苗相关关键词。后者包括7万个账户的所有历史推文，这些账户参与了反疫苗叙事的积极传播。我们提出了描述性分析，显示随着时间的推移，地理分布，主题，新闻来源和推断帐户政治倾向的活动量。该数据集可用于研究社交媒体上的反疫苗错误信息，并使人们更好地了解疫苗犹豫。根据Twitter的服务条款，我们的匿名数据集可在以下网址公开获取：https://github.com/gmuric/avax-tweets-dataset
2021-05-14 cs.CY cs.SI
Information, Community, and Action: How Nonprofit Organizations Use Social Media
Twitter等“微博客”服务的迅速普及正在开创一个新的时代，各组织有可能与核心利益攸关方和公众进行沟通和接触。为了加强对微博为组织服务的沟通功能的理解，本研究考察了美国100个最大的非营利组织的Twitter使用实践。分析表明，微博更新的三个关键功能-“信息”、“社区”和“行动”。“虽然微博的信息使用是广泛的，非营利组织更善于使用Twitter通过对话和社区建设的做法，战略性地吸引他们的利益相关者比他们一直与传统网站。社交媒体的采用似乎产生了新的公众参与模式。保留字：微博; Twitter;社交媒体;利益攸关方关系;组织沟通;组织-公共关系;非营利组织
2012-04-15 cs.CY cs.SI
Do You Do Yoga? Understanding Twitter Users' Types and Motivations using Social and Textual Information
Purdue University（普渡大学）
利用社交媒体数据来了解人们的生活方式选择是一个令人兴奋的领域，但需要对数据进行多视图制定。在本文中，我们提出了一个联合嵌入模型的基础上融合的神经网络与注意力机制，通过结合用户的社会和文本信息，了解他们的活动和动机。我们使用Twitter上与健康相关的推文，重点关注“瑜伽”。我们在两个下游任务上展示了我们的模型：（i）找到用户类型，例如从业者或促销（推广瑜伽工作室/健身房），其他;（ii）找到用户动机，即健康益处，灵性，喜欢推/转推瑜伽但不练习瑜伽。
2021-01-27 cs.AI cs.CL cs.CY
Unraveling Social Perceptions & Behaviors towards Migrants on Twitter
L3S Research Center, Leibniz Universität Hannover（汉诺威莱布尼茨大学L3S研究中心）
我们从社会心理学文献中汲取见解，以确定Twitter对移民的审议的两个方面，即，对移民的看法和对移民补助金的行为。我们的理论锚定帮助我们确定了两种普遍的看法（即，同情和反感）和两种主导行为（即，社会媒体用户对移徙者的声援和敌意。我们采用了无监督和监督的方法来识别这些感知和行为。在应用NLP领域，我们的研究提供了一个微妙的理解移民相关的Twitter的de-liberations。我们提出的基于变压器的模型，即，BERT + CNN的F1得分为0.76，优于其他模型。此外，我们认为，传达反感或敌意的推文可以被广泛认为是对移民的仇恨言论，但它们并不相同。因此，我们的方法通过突出仇恨言论的感知和行为方面之间的颗粒差异，微调了二进制仇恨言论检测任务。
2021-12-04 cs.CL cs.CY cs.LG
Gender-Based Violence in 140 Characters or Fewer: A #BigData Case Study of Twitter
公共机构越来越依赖社交媒体网站的数据来衡量公众态度，并提供及时的公众参与。这种依赖包括探讨公众对基于性别的暴力等重要社会问题的看法。在这项研究中，我们研究了在十个月内从Twitter收集的近1400万条推文组成的大（社交）数据，以分析关于GBV的公众舆论，突出了地理位置和性别的推文实践的性质。我们展示了计算社会科学的效用，从语料库中挖掘洞察力，同时考虑到瞬态事件和社会文化因素的影响。我们揭示了公众对GBV容忍度的认识，并提出了干预机会和干预有效性的测量，帮助政府和非政府组织制定政策。
2015-06-29 cs.CY cs.SI
Understanding Twitters behavior during the pandemic: Fake News and Fear
SARS-CoV-2新型冠状病毒（COVID-19）的爆发伴随着大量关于该病毒的误导性和虚假信息，特别是在社交媒体上。在疫情期间，社交媒体获得了特别的关注，因为它继续成为重要的沟通媒介。这使得在这些平台上传递的信息尤为重要。在我们的工作中，我们的目标是探索Twitter上传播的假新闻的百分比，同时衡量公众的情绪。我们进一步研究恐惧的情绪是如何在公众中存在的。除此之外，我们还将病毒每天的传播速度与Twitter上假新闻的传播速度进行了比较。我们的研究有助于建立Twitter和社交媒体在危机中的作用，更具体地说，是在危机管理中。
2022-02-10 cs.CY cs.SI
COVID-19 on Social Media: Analyzing Misinformation in Twitter Conversations
University of Southern California（南加利福尼亚大学）
持续的冠状病毒（COVID-19）大流行凸显了当今全球化世界的相互联系。随着社交距离政策的实施，虚拟通信已成为（错误）信息的重要来源。随着越来越多的人依赖社交媒体平台获取新闻，识别错误信息并揭示有关COVID-19的在线话语的性质已成为一项关键任务。为此，我们自2020年3月1日起使用Twitter API收集与COVID-19相关的流媒体数据。我们根据事实核查来源确定了不可靠和误导性的内容，并检查了错误信息推文中的叙述，以及这些推文的参与分布。此外，我们提供了突出的错误信息推文的传播模式的例子。该分析在可访问的仪表板（https：//usc-melady.github.io/COVID-19-Tweet-Analysis）上展示和更新，以跟踪2020年3月1日至6月5日期间Twitter上关于COVID-19的在线话语和错误信息的性质。该仪表板提供了一个已识别的错误信息推文的每日列表，以及COVID-19 Twitter话语中的主题，情绪和新趋势。提供仪表板是为了提高对在线共享信息的性质和质量的可见性，并提供对从数据集中提取的见解和信息的实时访问。
2020-10-22 cs.CY cs.LG cs.SI
The Human Geography of Twitter
鉴于社会运动，政治和公共管理的区域的中心地位，我们的目标是定量研究区域间和区域内的沟通首次。这项工作使用社交媒体帖子，首先确定具有共同社会身份的相邻地理区域，然后调查它们内部和之间的通信模式。我们的案例研究使用了来自英格兰和威尔士的超过150天的Twitter数据。与其他方法（例如电话数据记录或在线友谊网络）相比，我们有消息内容以及社会联系。这使我们不仅可以调查通信量，还可以调查情感和词汇。我们发现，东南部和西北部地区是谈论最多的;地区往往对自己比对其他人更积极;人们谈论政治的地区之间比内部。这种方法为研究人员提供了一个强大的工具来研究社会地理区域内部和之间的身份和互动。
2018-07-11 cs.CY cs.SI
The Power of Social Norms: How Initial Responses to Toxicity Shape Conversations on Twitter
The University of Texas at Arlington（阿灵顿得克萨斯大学）
研究探讨了群体动态如何影响推特对话的毒性，发现初始回应的毒性会影响后续对话的毒性水平，用户参与度与非毒性回应呈负相关。
2026-04-17 cs.CY cs.SI
Measuring and Detecting Virality on Social Media: The Case of Twitter's Viral Tweets Topic
社交媒体上的帖子可能会像病毒一样传播，并在短时间内到达大量人群。如果这些帖子含有误导性内容，可能会威胁到公共对话，因此及早发现这些帖子至关重要。以前的作品提出了自己的指标来注释推文是否是病毒式的，以便稍后自动检测它们。然而，这样的度量可能不能准确地表示病毒式推文，或者可能引入太多的误报。在这项工作中，我们使用Twitter的“病毒推文”主题提供的地面真相数据来审查当前的指标，并提出我们自己的指标。我们发现，一条推文是更有可能被归类为病毒的Twitter，如果转发的比例，其作者的追随者超过一定的阈值。我们在实验中发现这个阈值是2.16。这条规则虽然有利于较小的帐户，但误报较少。我们还提出了一个基于transformers的模型来早期检测病毒推文，报告F1得分为0.79。代码和tweet id可在以下网址公开获取：https://github.com/tugrulz/ViralTweets
2023-03-13 cs.CY cs.SI
Why Are You More Engaged? Predicting Social Engagement from Word Use
IBM Research - Almaden（IBM阿尔马登研究院）
我们提出了一项研究，分析如何使用的话可以预测社会参与行为，如在Twitter上的回复和转发。我们计算心理语言学的类别分数从词的使用，并调查不同分数的人如何表现出不同的回复和转发Twitter上的行为。我们还发现心理语言学类别与这种社会参与行为具有显着的相关性。此外，我们已经建立了预测模型的答复和转推，从这种心理语言学类别为基础的功能。我们使用从Twitter收集的真实世界数据集进行的实验验证了这种预测可以以合理的准确度进行。
2014-02-26 cs.CL cs.CY cs.SI
Birdspotter: A Tool for Analyzing and Labeling Twitter Users
在线社交媒体对社会事件和机构的影响是深远的;随着用户数量的迅速增加，我们才刚刚开始了解其后果。社会科学家和实践者将在线话语建模为现实世界行为的代理，通常会策划大型社交媒体数据集。由于缺乏针对非数据科学专家的可用工具，这些数据（及其所包含的见解）往往得不到充分利用。在这里，我们提出了birdspotter --一个分析和标记Twitter用户的工具--和birdspotter.ml--一个计算指标的探索性可视化工具。birdspotter提供了一个端到端的分析管道，从处理预先收集的Twitter数据，到用户的通用标签，以及估计他们的社会影响力，只需几行代码。该软件包包含教程和详细的文档。我们还说明了如何训练birdspotter成为一个完全成熟的机器人检测器，在不进行任何Twitter API在线调用的情况下实现比最先进的性能更好的性能，我们展示了它在一个热门的COVID-19数据集的探索性分析中的使用。
2021-02-23 cs.CY cs.SI
#Sleep_as_Android: Feasibility of Using Sleep Logs on Twitter for Sleep Studies
社交媒体作为寻求和分享个人健康信息的平台越来越受欢迎。对于使用社交媒体数据的睡眠研究，大多数研究人员专注于从自我报告的睡眠模式或失眠等问题的轶事中推断与睡眠相关的伪像。社交媒体上的“量化自我”分享的数据为研究更定量和客观的睡眠测量提供了机会。我们提出并验证了收集和分析睡眠日志的方法，通过睡眠跟踪移动应用程序生成和共享。我们通过将这些数据与用户的社交媒体数据相结合来突出这些数据的价值。这些结果验证了使用社交媒体进行睡眠研究，因为收集的睡眠数据与其他来源的睡眠数据一致。将社交媒体数据与睡眠数据相结合的结果提供了初步证据，表明较高的社交媒体活动与较低的睡眠时间和质量有关。
2016-07-21 cs.CY cs.HC
Narratives and Needs: Analyzing Experiences of Cyclone Amphan Using Twitter Discourse
Booz Allen Hamilton（博思艾伦咨询公司）；International Water Management Institute（国际水管理研究院）；NOVA Information Management School (NOVA IMS)（NOVA信息管理学院）；New York University Abu Dhabi（纽约大学阿布扎比分校）
人们经常转向社交媒体来评论和分享有关重大全球事件的信息。因此，社交媒体作为了解人们对极端天气事件的社会、政治和经济经历的丰富数据源正受到越来越多的关注。在本文中，我们提供了两种新颖的方法，利用Twitter话语来描述叙述并确定未满足的需求，以应对2020年5月影响1800万人的安凡飓风。
2020-09-11 cs.CL cs.CY cs.SI
Image-based Social Sensing: Combining AI and the Crowd to Mine Policy-Adherence Indicators from Twitter
社交媒体提供了大量信息，如果加以适当的汇总和分析，可以为决策者提供重要的统计指标。在某些情况下，这些指标无法通过其他机制获得。例如，鉴于COVID-19疫情持续，政府必须获得有关口罩佩戴、社交距离和其他难以衡量的数量的政策遵守情况的可靠数据。在本文中，我们调查是否有可能通过聚合发布到社交媒体的图像信息来获得此类数据。本文介绍了VisualCit，一个基于图像的社会感知管道，结合了图像识别技术与地理编码和众包技术的最新进展。我们的目标是发现哪些国家的人们在多大程度上遵循COVID-19相关政策指令。我们将结果与CovidDataHub行为跟踪计划中产生的指标进行了比较。初步结果表明，社交媒体图像可以为政策制定者提供可靠的指标。
2021-03-05 cs.CY cs.SI
Open access institutional and news media tweet dataset for COVID-19 social science research
随着COVID-19迅速成为最受关注的全球危机之一，学术研究对数据的需求也在增加。目前，有几个开放获取的Twitter数据集，但没有一个是专门针对机构和新闻媒体的Twitter数据汇集，为了填补这一空白，我们检索了69个机构/新闻媒体Twitter账户的数据，其中17个与政府和国际组织有关，其中52个是北美，欧洲和亚洲的新闻媒体。我们相信我们的开放获取数据可以为研究人员提供更多的可用性来进行社会科学研究。
2020-04-03 cs.CY cs.DL cs.SI
American Twitter Users Revealed Social Determinants-related Oral Health Disparities amid the COVID-19 Pandemic
目的：利用Twitter上的用户报告评估COVID-19大流行期间自我报告的人群口腔健康状况。方法和材料：我们收集了2020年11月12日至2021年6月14日期间美国26个州的9，104名Twitter用户（样本充足）在COVID-19大流行期间与口腔健康相关的推文。我们通过利用来自用户简档图像的视觉信息来推断用户人口统计。其他特征包括收入、人口密度、贫困率、医疗保险覆盖率、社区饮水氟化率和每日确诊COVID-19病例数的相对变化，均根据从用户简档检索的信息获取或推断。我们进行了逻辑回归，以检查讨论是否因用户特征而异。结果如下：总体而言，26.70%的Twitter用户讨论智齿疼痛/下巴受伤，23.86%的Twitter用户讨论牙科服务/蛀牙，18.97%的Twitter用户讨论牙齿脱落/牙齿断裂，16.23%的Twitter用户讨论牙痛，其余的Twitter用户讨论蛀牙/牙龈出血。女性和年轻人（19-29岁）更有可能谈论口腔健康问题。健康保险复盖率在主题预测的逻辑回归中是最显著的预测因子。结论：Twitter消息反映了大流行期间口腔健康的社会差异。例如，来自COVID-19风险较高的县的人更多地谈论蛀牙/牙龈出血和牙齿碎裂/牙齿断裂。易受COVID-19影响的老年人更有可能讨论牙痛。感兴趣的主题因用户特征而异。通过社交媒体的镜头，我们的研究结果可以为口腔健康从业者和政策制定者提…
2022-08-04 cs.CY cs.SI
A Method for Estimating Individual Socioeconomic Status of Twitter Users
针对数字轨迹数据中个体社会经济地位衡量指标不足的问题，本研究借鉴政治学方法，通过对应分析基于用户关注的品牌账号估计大量Twitter用户的SES，经多源验证有效，为在线平台不平等研究提供新路径。
2023-02-13 cs.CY cs.SI
What are People Talking about in #BlackLivesMatter and #StopAsianHate? Exploring and Categorizing Twitter Topics Emerging in Online Social Movements through the Latent Dirichlet Allocation Model
Duke Kunshan University（杜克-昆山大学）；Data Science Research Center（数据科学研究中心）；Social Science Division Duke Kunshan University（社会科学系杜克-昆山大学）
本研究采用潜在狄利克雷分配模型和开放式编码的混合方法，分析超过一百万条BLM和SAH推文，发现社会正义、社会运动和情感情绪是共同话题，但各有独特子话题，为社交媒体社会运动主题分析做出贡献。
2022-09-19 cs.CL cs.CY cs.IR
The Burden of Being a Bridge: Analysing Subjective Well-Being of Twitter Users during the COVID-19 Pandemic
COVID-19疫情的爆发引发了在线社交媒体上的信息流行病，对世界各地的公众健康造成了严重的生理和心理影响。在本文中，我们研究了疫情对有影响力的社交媒体用户心理健康的影响，这些用户的分享行为显著促进了COVID-19相关信息的传播。具体而言，我们专注于主观幸福感（SWB），并分析是否SWB的变化有关系，他们的桥接性能的信息扩散，衡量的速度和广度增益的信息传输，由于他们的共享。我们准确地捕捉用户的桥接性能，提出了一种新的测量。受益于深度学习自然语言处理模型，我们从社交媒体用户的文本帖子中量化了他们的主观幸福感。通过近两年从Twitter收集的数据，我们揭示了在COVID-19大流行期间有影响力的用户的更大精神痛苦。通过综合分层多元回归分析，我们首次发现社交网络用户的主观幸福感与其桥接绩效之间存在较强的相关性。
2022-06-26 cs.CY cs.SI
What do the US West Coast Public Libraries Post on Twitter?
University of South Carolina（南卡罗来纳大学）
Twitter为公共图书馆提供了一个很好的机会，可以为各种目的传播信息。Twitter数据已被应用于不同的领域，如健康，政治和历史。在美国有成千上万的公共图书馆，但还没有研究调查他们的社交媒体帖子的内容，如推文，以找到他们的兴趣。此外，对Twitter内容的传统内容分析对于探索数千条推文来说不是一项有效的任务。因此，需要自动方法来克服手动方法的局限性。本文提出了一种计算方法来收集和分析使用Twitter应用程序编程接口（API），并调查了超过138,000推文从48个美国西海岸图书馆使用主题建模。我们找到了20个主题，并将它们分配到五个类别，包括公共关系，书籍，活动，培训和社会公益。我们的研究结果表明，美国西海岸的图书馆更感兴趣的是使用Twitter的公共关系和图书相关的事件。本研究对图书馆及其他组织探索其客户和自身的社会化媒体活动具有实践和理论应用价值。
2018-09-28 cs.CL cs.CY stat.AP
CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information
作为一个平台，Twitter一直是讨论COVID-19疫情的重要公共空间。Twitter等公共社交媒体平台是参与大流行病的重要网站，这些数据可供研究团队用于社会、健康和其他研究。了解公众对COVID-19的看法以及信息如何在社交媒体上传播对政府和研究机构非常重要。Twitter是一个无处不在的公共平台，因此在了解公众对COVID-19的看法、行为和态度方面具有巨大的效用。在这项研究中，我们展示了CML-COVID，这是一个COVID-19 Twitter数据集，包含来自5，977，653个独立个体的19，298，967百万条推文，并总结了这些数据的一些属性。这些推文是在2020年3月至2020年7月期间使用与COVID-19相关的冠状病毒、COVID和口罩等查询词收集的。我们使用主题建模、情感分析和描述性统计来描述我们收集的与COVID-19相关的推文以及推文的地理位置（如有）。我们提供有关如何访问我们的tweet数据集的信息（使用twarc存档）。
2021-01-28 cs.CY cs.HC cs.SI
Automated Analysis of Topic-Actor Networks on Twitter: New approach to the analysis of socio-semantic networks
社交媒体数据为自动分析大量文本文档提供了越来越多的机会。到目前为止，已经开发了自动化工具来解释辩论参与者之间的社交网络，或者分析这些辩论的内容。较少注意映射共同发生的演员（参与者）和主题（内容）在网上辩论，形成社会语义网络。我们提出了一个新的，自动化的方法，使用一个整体矩阵的方法共同解决的主题和演员。我们通过分析2012年6月里约+20会议上的大量英语Twitter消息（72，077条推文）以及2015-2017年与家禽养殖有关的荷兰语Twitter消息（2，139条推文）的较小数据集来展示新方法的优势。我们讨论了我们的方法的理论，方法和实质性的影响，也为其他社交媒体数据的分析。
2017-11-22 cs.CY cs.DL cs.SI
Seeing and Believing: Evaluating the Trustworthiness of Twitter Users
Tampere University（坦佩雷大学）
社交网络和微博客服务，如Twitter，在分享数字信息方面发挥着重要作用。尽管社交媒体很受欢迎，也很有用，但在许多情况下，腐败的用户找到了滥用它的方法，例如，通过提高或降低用户的可信度。因此，虽然社交媒体为获取信息提供了前所未有的便利，但它也带来了新的挑战--确定共享信息的可信度。目前，还没有自动化的方法来确定哪些新闻或用户是可信的，哪些是不可信的。因此，建立一个可以衡量社交媒体用户可信度的系统已经成为一个非常重要的问题。对用户的可信度评分不仅引起了研究界的兴趣，也引起了双方大多数大公司的兴趣-例如Facebook，在行业方面，以及社会方面的政党。在这项工作中，我们创建了一个模型，我们希望它最终将促进和支持社交网络社区中信任的增加。我们的模型收集了数据，并分析了Twitter上约50，000名政客的行为。根据几个选定的功能，影响力得分，分配给每个评估用户。此外，我们使用随机森林，多层感知器，和支持向量机的政治Twitter用户分为信任或不信任。一个主动学习模型被用来从我们的数据集中分类任何未标记的模糊记录。最后，为了衡量所提出的模型的性能，我们使用精度，召回率，F1得分，和准确率作为主要的评估指标。
2021-07-22 cs.CY cs.LG cs.SI
Social Media Analysis For Organizations: Us Northeastern Public And State Libraries Case Study
Twitter等社交网站为公共图书馆等组织提供了传播公共关系信息的绝佳机会。然而，需要分析大量的社交媒体数据。本研究提出了一种计算方法，探讨在美国东北部的九个公共图书馆发布的推文的内容。2017年12月，这项研究从七个州立图书馆和两个城市公共图书馆的Twitter账户中提取了19，000多条推文。应用计算方法来收集推文并发现有意义的主题。本文展示了图书馆如何使用Twitter来代表他们的服务，并为不同的组织提供了一个起点，以评估他们的公共推文的主题。
2018-03-24 cs.CY cs.SI stat.AP
Trollslayer: Crowdsourcing and Characterization of Abusive Birds in Twitter
到今天为止，滥用是在线社交网络（OSN）的参与者和管理员面临的一个紧迫问题。Twitter中的滥用可能源于为影响政治选举结果而产生的争论，使用机器人自动传播错误信息，以及一般来说，否认，破坏，贬低或欺骗其他参与者和/或网络的活动。考虑到从Twitter平台上找到和访问足够大的滥用地面真相样本的困难，我们构建并部署了一个自定义爬虫，我们使用它来明智地从Twitter平台上收集新的数据集，目的是描述滥用用户的性质，也就是滥用鸟类，在野外。我们提供了一套基于用户属性的综合功能，以及社交图谱元数据。前者包括关于账户本身的元数据，而后者是从每条消息的发送者和接收者之间的社交图中计算出来的。基于属性的特征可以用来描述OSN中用户的帐户，而基于图的特征可以揭示网络中信息传播的动态。特别是，我们推导出Jaccard指数作为一个关键功能，揭示了Twitter中的定向消息的良性或恶意性质。据我们所知，我们是第一个提出这种相似性度量来描述Twitter中的滥用行为的人。
2018-12-14 cs.CR cs.CY cs.DC
