Extracting News Events from Microblogs
Norwegian University of Science and Technology（挪威科技大学）
Twitter流已经成为许多人的一个重要信息来源，但推文的数量及其内容的嘈杂性使得从Twitter中获取知识对研究人员来说是一项具有挑战性的任务。为了克服从Twitter流中提取隐藏信息的一些主要挑战，这项工作提出了一种新的方法，从Twitter流中实时检测新闻事件。我们将方法分为三个步骤。第一步是使用神经网络或深度学习从流中检测与新闻相关的推文。第二步是将一种新的流数据聚类算法应用于检测到的新闻推文以形成新闻事件。第三步也是最后一步是根据事件集群的大小和鸣叫频率的增长速度对检测到的事件进行排名。我们评估了一个大型的，公开可用的语料库的注释新闻事件从Twitter上提出的系统。作为评估的一部分，我们将我们的方法与相关的最先进的解决方案进行比较。总体而言，我们的实验和基于用户的评估表明，我们的方法检测当前（真实）新闻事件提供了最先进的性能。
2018-06-20 cs.CL cs.IR cs.SI
TBAM: Towards An Agent-Based Model to Enrich Twitter Data
Twitter（微博的一个例子）被研究人员广泛用于了解人类行为，特别是当重大事件发生时人们的行为以及它如何改变用户的微博模式。不断变化的微博行为可以揭示有助于检测现实世界事件的模式。然而，可用的Twitter数据具有局限性，例如，它是不完整的和嘈杂的，并且样本是不规则的。在本文中，我们创建了一个模型，称为Twitter的行为基于Agent的模型（TBAM）模拟Twitter的模式和行为，基于Agent的建模（ABM）。从ABM模拟生成的数据可以用于适当的位置或补充现实世界的数据，以提高事件检测的准确性。我们确认我们的模型的有效性，通过寻找从Twitter收集的真实数据和使用TBAM生成的数据之间的互相关。
2023-01-31 cs.SI
Interpretable Rumor Detection in Microblogs by Attending to User Interactions
DSO National Laboratories（国防科技研究院）；Singapore Management University（新加坡管理大学）
我们通过学习区分社区对微博中真实和虚假声明的反应来解决谣言检测问题。现有的最先进的模型是基于对会话树进行建模的树模型。然而，在社交媒体中，发布回复的用户可能是回复整个线程，而不是回复特定用户。我们提出了一个后级注意力模型（post-level attention model），用于描述Transformer网络中具有多头注意力机制的推文之间的长距离交互。我们研究了该模型的变体：（1）结构感知的自注意模型（StA-HiTTH），它在Transformer网络中包含树结构信息，以及（2）分层令牌和后级注意模型（StA-HiTTH），它学习具有令牌级自注意的句子表示。据我们所知，我们是第一个在两个谣言检测数据集上评估我们的模型的人：PHEME数据集以及Twitter 15和Twitter 16数据集。我们表明，我们最好的模型优于目前的最先进的模型，这两个数据集。此外，注意力机制使我们能够解释谣言检测预测在令牌级和后级。
2020-01-29 cs.CL cs.IR cs.SI
Microblog Analysis as a Programme of Work
受欧洲项目PHEME的启发，该项目需要对基于Twitter的对话进行密切分析，以了解通过社交媒体传播的谣言，本文有两个目标。第一个是将微博分析带回到基本原则，并列出微博分析应该是什么样的，作为一个基本的工作计划。另一个是描述这是如何与人机交互的兴趣在把握社会秩序中的人与技术的互动构成的根本相关性。我们的关键发现是，尽管有一些表面上的相似之处，基于Twitter的对话是一个完全不同的社会现象，需要一个独立的分析，把它们作为独特的现象在自己的权利，而不是作为另一种会话，可以在现有的会话分析框架内处理。这激发了微博分析作为一个基本独立的程序建立的论点，从地面上检查微博的组织特征。我们阐述了这种方法的各个方面已经开始塑造我们在PHEME项目中的设计活动。
2017-09-22 cs.HC cs.SI
Detecting and Summarizing Emergent Events in Microblogs and Social Media Streams by Dynamic Centralities
自从社交媒体和微博活动开始在数据分析和决策中发挥重要作用以来，用于检测和总结紧急关键词的方法已经得到了广泛的研究。我们提出了一个系统，用于监测紧急关键字和总结的文件流的动态语义图的基础上流文件。我们引入了动态特征向量中心度的概念来对紧急关键词进行排序，并提出了一种基于最小权集覆盖的紧急事件汇总算法。我们展示了我们的系统与分析有关的公共安全事件的流媒体Twitter数据。
2016-10-20 cs.IR cs.SI
SAVITR: A System for Real-time Location Extraction from Microblogs during Emergencies
我们目前SAVITR，一个系统，利用Twitter微博网站上发布的信息来监测和分析紧急情况。鉴于只有很小比例的微博是地理标记的，这样的系统从微博的文本中提取位置是必不可少的。我们采用自然语言处理技术来推断微博文本中提到的位置，以无监督的方式，并显示在基于地图的界面上。该系统是专为高效的性能，实现了0.79的F-分数，大约是两个数量级的速度比其他可用的工具位置提取。
2018-11-19 cs.SI
Earthquake Impact Analysis Based on Text Mining and Social Media Analytics
Tsinghua University（清华大学）
地震对广大地区有着深刻的影响，紧急救援行动可能会受益于有关灾害范围和程度的社交媒体信息。因此，这项工作提出了一种基于文本挖掘的方法来收集和分析早期地震影响分析的社交媒体数据。首先，基于爬虫技术从新浪微博中收集灾害相关微博。然后，对数据进行清洗，进行一系列分析，包括（1）热词分析，（2）微博数量趋势分析，（3）舆情趋势分析，（4）基于关键词和规则的文本分类地震影响分析。最后，分析了中国最近两次震级和震源深度相同的地震，比较了它们的影响。研究结果表明，舆情趋势分析和舆情情绪变化趋势可以对地震社会影响进行早期评估，有助于决策和救援管理。
2022-12-12 cs.CL cs.LG cs.SI
Rumor Detection and Classification for Twitter Data
The George Washington University（乔治·华盛顿大学）
随着在线媒体数据作为信息源的普及，验证这些信息的有效性变得更加重要，但也相当具有挑战性。谣言在微博上传播了大量的错误信息。在这项研究中，我们解决两个常见的问题，在微博社会媒体的背景下。首先，我们检测谣言作为一种错误信息传播，然后我们超越检测来执行谣言分类的任务。我们使用标准数据集来探索这个问题。我们设计新的功能，并研究它们对任务的影响。我们实验了各种级别的预处理作为分类的先驱，以及分组的功能。我们在RDC任务中实现了超过0.82的f-measure在混合谣言数据集和84%的单一谣言数据集使用两步分类方法。
2019-11-25 cs.LG cs.SI stat.ML
An Event Detection Approach Based On Twitter Hashtags
Purdue University（普渡大学）
Twitter是世界上最受欢迎的微博客服务之一。Twitter所包含的大量信息使其成为人们学习和分享新闻的重要信息渠道。Twitter标签是一个受欢迎的功能，可以被视为人类标记的信息，人们用来识别推文的主题。许多研究人员提出了事件检测方法，可以监控Twitter数据并确定是否发生了特殊事件，如事故，极端天气，地震或犯罪。尽管许多方法使用主题标签作为其特征之一，但很少有方法明确关注使用主题标签进行事件检测的有效性。在这项研究中，我们提出了一个事件检测方法，利用标签的推文。采用了STREAMCUBE中的特征提取方法，并将聚类K-means方法应用于STREAMCUBE中，实验表明K-means方法的聚类效果优于STREAMCUBE。还讨论了K均值方法的最佳K值。
2018-04-02 cs.CL cs.IR cs.SI
Mining Public Opinion about Economic Issues: Twitter and the U.S. Presidential Election
University of South Carolina（南卡罗来纳大学）；Auburn University at Montgomery（奥本大学蒙哥马利分校）
民意调查一直是选举中民意和政客之间的桥梁。然而，开展调查以揭示人们对经济问题的反馈是有限的，昂贵的，耗时的。近年来，Twitter等社交媒体使人们能够分享他们对选举的看法。社交媒体为收集大量社交媒体数据提供了平台。本文提出了一种计算民意挖掘方法，探讨在选举期间的社会媒体上的经济问题的讨论。目前的相关研究都是单独使用文本挖掘方法进行选举分析和选举预测，本研究结合了情感分析和主题建模两种文本挖掘方法。所提出的方法已经有效地部署在数百万条推文上，以分析2012年美国总统大选期间人们的经济问题。
2018-02-06 cs.CL cs.IR cs.SI
Detecting and Tracking the Spread of Astroturf Memes in Microblog Streams
在线社交媒体正在补充并在某些情况下取代人与人之间的社交互动，并重新定义信息的传播。特别是，微博已经成为公共关系、市场营销和政治斗争的重要阵地。我们引入了一个可扩展的框架，将使在社交媒体中的模因扩散的实时分析，挖掘，可视化，映射，分类和建模的公共微博事件的大规模流。我们描述了一个Web服务，利用这个框架来跟踪Twitter中的政治模因，并帮助检测美国政治选举背景下的astroturfing，诽谤活动和其他错误信息。我们提出了一些滥用行为的情况下发现我们的服务。最后，我们讨论了有前途的初步结果，通过监督学习的基础上提取的扩散网络的拓扑结构，情感分析，和众包注释的特征检测可疑模因。
2010-11-16 cs.CY cs.SI
Architecture of Text Mining Application in Analyzing Public Sentiments of West Java Governor Election using Naive Bayes Classification
Amikom Yogyakarta University（阿米孔日惹大学）；Gunadarma University（古纳达玛大学）
西爪哇省省长的选举是一个吸引公众注意力的事件，社交媒体用户也不例外。公众对未来地区领导人的看法有助于预测选民的可当选性和倾向。意见挖掘过程可以使用的数据可以从Twitter获得。由于数据是非常多样的形式和非常非结构化的，它必须使用数据预处理技术进行管理和不知情的半结构化数据。这种半结构化的信息之后是分类阶段，将意见分类为消极或积极的意见。研究方法论采用文献研究，研究将检查以前对类似主题的研究。本研究的目的是要找出适当的架构，将其发展成twitter意见探勘的应用，以了解西爪哇省省长选举的民意。本文的研究结果表明，Twitter意见挖掘是文本挖掘的一部分，Twitter中的意见要想被分类，首先要经过文本预处理阶段。twitter数据所需的预处理步骤是清理，大小写折叠，POS标记和词干分析。由此产生的文本挖掘架构是一个架构，可用于不同主题的文本挖掘研究。
2018-09-20 cs.CL cs.CY cs.IR
Event Outcome Prediction using Sentiment Analysis and Crowd Wisdom in Microblog Feeds
Carnegie Mellon University（卡内基梅隆大学）
近年来，微博源的情感分析引起了人们的极大兴趣。目前的大部分工作集中在推文情感分类。但是，人们并没有做太多的工作来探索诸如twitter这样的社交网络微博中的大众观点（群体智慧）在预测选举辩论等特定事件的结果时的可靠性。在这项工作中，我们调查了群体智慧是否有助于预测此类结果，以及他们的观点是否受到该领域专家的影响。我们在多标签分类领域工作，对推文进行情感分类，并获得人群的意见。然后，这种学习到的情绪被用来预测事件的结果，例如：美国总统辩论获奖者，格莱美奖获奖者，超级碗获奖者。我们发现，在大多数情况下，群众的智慧确实与专家的智慧相匹配，而在他们不匹配的情况下（特别是在辩论的情况下），我们看到群众的意见实际上受到专家意见的影响。
2019-12-11 cs.CL cs.LG cs.SI
Mining Influentials and their Bot Activities on Twitter Campaigns
Twitter越来越多地用于政治、广告和营销活动，其主要目的是影响用户支持特定的事业、个人或团体。我们提出了一种新的挖掘和分析Twitter活动的方法，包括：（i）收集推文和检测与活动相关的主题;（ii）使用科学计量学方法挖掘重要的活动主题;（iii）使用主题标签和主题熵建模用户兴趣;（iv）使用自适应的PageRank得分识别有影响力的用户;以及（v）用于识别类机器人活动的各种度量和可视化技术。虽然这种方法可推广到多种竞选类型，但我们在2017年德国联邦选举中证明了其有效性。
2020-11-22 cs.SI
Dialectometric analysis of language variation in Twitter
IFISC (UIB-CSIC)
在过去的几年里，Twitter等微博平台已经产生了大量的文本数据，可用于分析数百万人之间的非正式沟通。在这项工作中，我们提出了一个信息理论的方法来使用语料库的基础上Twitter的地理语言变异。我们测试我们的模型与数十个概念和相关的关键字检测在西班牙的地理定位的西班牙语推文。我们采用方言的措施（余弦相似性和詹森-香农分歧），以量化的词汇水平上的语言距离在地图上创建一个统一的网格之间的细胞。这可以针对单个概念进行，或者在一般情况下考虑所考虑的变体的平均值。后者允许对数据中自然出现的方言进行分析。有趣的是，我们的研究结果揭示了两个方言宏变体的存在。第一组包括在小城镇和农村地区使用的特定区域的语音，而第二组包括倾向于使用更统一的变体的城市。由于两种不同的度量标准所获得的结果在定性上一致，我们的工作表明，社交媒体语料库可以有效地用于方言分析。
2017-02-22 cs.CL cs.IR cs.SI
Climate Action During COVID-19 Recovery and Beyond: A Twitter Text Mining Study
冠状病毒大流行造成了一场全球危机，促使立即采取大规模行动，包括经济关闭和流动限制。这些行动对经济造成了破坏性影响，但对环境产生了一些积极影响。随着世界从疫情中复苏，我们提出以下问题：在COVID-19复苏期间及之后，公众对气候行动的态度如何？我们通过分析Twitter社交媒体平台上的讨论来回答这个问题。我们发现，大多数讨论都支持气候行动，并指出在大流行应对过程中吸取的教训，这些教训可以影响未来的气候政策，尽管怀疑论者仍然存在。此外，疫情期间的气候行动（例如降低COVID-19在公共交通上传播的风险）引起了人们的担忧。
2021-05-25 cs.IR cs.SI
Twitter in Academic Conferences: Usage, Networking and Participation over Time
Twitter通常被称为会议的反向渠道。虽然主要会议在物理环境中举行，但与会者和虚拟与会者通过Twitter上的微博进行社交，介绍新想法或广播信息。在这篇论文中，我们分析了学者们在五年时间里在16个计算机科学会议上使用Twitter的情况。我们的主要发现是，多年来，在Twitter中的对话使用和信息使用方面存在越来越大的差异。我们研究了用户之间的交互网络，以了解关于对话结构的假设是否随着时间的推移以及不同类型的交互（如转发，回复和提及）之间的关系。虽然“人们来来去去”，但我们想了解是什么让人们在Twitter上继续参加会议。通过铸造的分类任务的问题，我们发现不同的因素，有助于继续参与用户的在线Twitter会议活动。这些结果对研究界实施成员持续和积极参与的战略具有影响。
2014-03-30 cs.CY cs.SI physics.soc-ph
Community Question Answering Platforms vs. Twitter for Predicting Characteristics of Urban Neighbourhoods
University College London（伦敦大学学院）
在本文中，我们调查是否可以使用来自社区问答（QA）平台的文本来预测和描述现实世界的属性。我们的实验预测范围广泛的62个人口统计属性的伦敦街区。我们使用的文本来自Yahoo！答案，并将我们的结果与从Twitter微博获得的结果进行比较。结果表明，预测的人口统计属性之间的相关性使用文本从雅虎！答案讨论和观察到的人口统计属性可以达到平均皮尔逊相关系数\r{ho} = 0.54，略高于使用Twitter数据获得的预测。我们的定性分析表明，从两个数据集中提取的最高相关术语与其相对的人口统计属性之间存在语义相关性。此外，相关性突出了雅虎中包含的信息的不同性质！答案和Twitter前者似乎提供了更多的科普内容，而后者提供了与当前社会文化方面或现象有关的信息。
2017-01-17 cs.CL cs.SI
Mining Twitter Conversations around E-commerce Promotional Events
随着社交媒体平台成为客户观点和意见的实际目的地，世界各地的品牌都在大力投资，通过充分利用这些平台来增强客户联系。在本文中，我们开发了一种新的技术，通过将围绕事件的所有对话编织到一个统一的图（对话图，此后）来挖掘Twitter中的对话。会话图的结构作为BOWTIE结构的变体（以下称为ASKEWBOWTIE）出现，这是这些参与者之间复杂通信模式的结果。最后，我们调查的ASKEWBOWTIE结构的结构特性，以了解组件的配置和它们的时间演化。
2018-02-04 cs.SI
Mining and Analyzing Twitter trends: Frequency based ranking of descriptive Tweets
微博是当今时代流行新闻、事件和观点的主要来源之一。Twitter是其中之一，被广泛用于挖掘有关公众反应和事件更新的数据。本文旨在提出过滤推文的方法，以获得最准确的描述性推文，传达趋势的内容。它还可能根据相关性对推文进行排名。排名机制背后的原则将是用户使用的自然语言中的假定倾向。单词和相关主题标签的出现频率的映射被用于为从twitter获得的样本空间中的每个tweet创建关于特定趋势的加权分数。
2014-09-05 cs.SI
Is the Sample Good Enough? Comparing Data from Twitter's Streaming API with Twitter's Firehose
Twitter是一家社交媒体巨头，以交换简短的140个字符的消息而闻名，称为“tweets”。在科学界，微博网站以分享数据的开放性而闻名。它通过一个"Streaming API"提供了数百万用户和数十亿推文的一瞥，该API提供了与API用户预设的一些参数相匹配的所有推文的样本。API服务已被许多研究人员，公司和政府机构使用，他们希望根据与社交媒体有关的各种问题提取知识。Twitter API的主要缺点是缺乏关于用户获得什么和多少数据的文档。这导致研究人员质疑采样数据是否有效地代表了Twitter上的整体活动。在这项工作中，我们开始回答这个问题，通过比较使用Twitter的采样API服务收集的数据与使用完整的数据收集的数据，虽然昂贵，Firehose流，包括每一个发布的推文。我们使用常见的统计指标以及允许我们比较主题，网络和推文位置的指标来比较这两个数据集。我们的工作结果将帮助研究人员和从业者理解使用Streaming API的含义。
2013-06-21 cs.SI physics.soc-ph
Mining Tourism Experience on Twitter: A case study
随着数字数据和社交网络平台的增加，社交媒体科学在推动与产品/服务功能和客户服务运营相关的公司决策方面的影响变得越来越重要。特别是，像Twitter这样的平台，人们可以分享几乎所有的经验，可以极大地影响公司以及地方或旅游网站的声誉和产品。文本挖掘工具的研究和文献中提出的，以获得价值和执行趋势的主题和情感分析在Twitter上。由于数据是这些模型的燃料，“正确”的模型，即与领域相关的模型，会影响模型的准确性。在本文中，我们描述了一个管道的\textit{DataOps / MLOps}的操作进行了旅游相关的Twitter数据集，以了解旅游动机和兴趣。所获得的知识可以利用，由旅游/酒店业，以开发数据驱动的战略服务，并由旅行者可以消费有关旅游目的地的相关信息。
2022-06-30 cs.SI
PyPoll: A python library automating mining of networks, discussions and polarization on Twitter
今天，在线社交网络在我们的社会中具有很高的影响力，因为越来越多的人使用它们来相互沟通，表达他们的意见，参与公共讨论等，特别是Twitter是人们主要用于政治讨论的最受欢迎的社交网络平台之一。这吸引了许多研究的兴趣，通过收集数据，分析通信模式和探索用户网络的结构来分析Twitter上的社会现象。虽然以前的工作有许多共同的数据汇集和分析方法，但这些方法主要是由研究人员以自定义的方式每次重新实现的。在本文中，我们将介绍PyPoll，一个开源Python库，它可以操作Twitter讨论的常见分析任务。使用PyPoll，用户可以执行Twitter图形挖掘，计算极化指数并生成交互式可视化，而无需第三方工具。我们相信PyPoll可以通过提供易于使用的方法来帮助研究人员自动化他们的任务。此外，我们展示了使用的图书馆提出两个用例; PyPoll可视化应用程序，一个在线应用程序的图形可视化和共享，和政治灯塔，一个门户网站，用于显示在Twitter上的各种政治主题的极化。
2023-03-11 cs.SI
A Twitter Tale of Three Hurricanes: Harvey, Irma, and Maria
在自然灾害和紧急情况下，人们越来越多地使用Twitter等微博平台。研究表明，Twitter上提供的数据对几项救灾任务很有用。然而，由于几个原因，例如分析大容量和高速数据流的可用工具的限制，理解社交媒体数据是一项具有挑战性的任务。这项工作提出了一个广泛的文本和多媒体内容的多维分析，从数百万的Twitter上分享的三个灾难事件。具体来说，我们采用了各种人工智能技术，从自然语言处理和计算机视觉领域，利用不同的机器学习算法来处理在灾难事件中产生的数据。我们的研究揭示了各种类型的有用信息的分布，这些信息可以通知危机管理者和响应者，并促进未来灾害管理自动化系统的开发。
2018-05-15 cs.SI
Mining of health and disease events on Twitter: validating search protocols within the setting of Indonesia
这项研究旨在验证一个搜索协议的不健康相关的条款，使用Twitter的数据，可以用来了解如果，以及如何，Twitter可以揭示信息的当前健康状况。我们使用一组预定义的关键字提取与Twitter上的健康和疾病帖子相关的对话，评估这些对话中此类内容的流行率，频率和时间，并验证此搜索协议如何能够检测相关的疾病推文。分类和回归树（CART）算法被用来训练和测试搜索协议的疾病和健康的命中相比，我们的团队确定。预测的准确性显示出良好的有效性，AUC超过0.8。我们的研究表明，对Twitter上公众情绪的监测可以作为健康事件的实时代理。
2017-05-28 cs.CY cs.SI stat.ML
Understanding the perception of COVID-19 policies by mining a multilanguage Twitter dataset
本研究的目的是探索关于COVID-19流行病的流行话语以及为管理它而实施的政策。使用自然语言处理、文本挖掘和网络分析来分析与COVID-19流行病相关的推文语料库，我们确定了对COVID-19流行病的常见反应以及这些反应在不同时间的差异。此外，还介绍了从这一大流行病的早期阶段开始，如何通过Twitter传播信息和错误信息的见解。最后，这项工作介绍了从世界各地收集的推文数据集，以多种语言，可追溯到1月22日，当时全球报告的COVID-19病例总数低于600例。这项工作中提出的见解可以帮助决策者在面对未来的大流行时提供信息，所介绍的数据集可以用于获得有价值的知识，以帮助减轻COVID-19大流行。
2020-03-23 cs.SI
Real Time Discovery of Dense Clusters in Highly Dynamic Graphs: Identifying Real World Events in Highly Dynamic Environments
由于其实时的性，微博流是动态信息的丰富来源，例如，关于新兴事件。用于实时的地从微博流（诸如Twitter热门话题）发现这样的事件的现有技术在用于发现新兴事件时具有若干缺陷;现存的基于图的事件检测技术由于其复杂性而在微博设置中不实用;并且已经针对博客、网页等开发的常规技术，涉及使用关键字搜索，只对查找有关已知事件的信息有用。因此，在本文中，我们提出的技术，发现事件正在解开在微博消息流中的实时，这样的事件可以尽快报告，因为他们发生。我们模型的问题，发现密集的集群在高度动态的图形。尽管最近在图形分析方面取得了许多进展，但我们的技术是第一个在实时的中识别大规模和高度动态图形中的密集集群的技术。针对微博流的特点，为了在不遗漏任何事件的情况下发现聚类，我们提出并利用了一种新的图的性质，我们称之为短循环性质。我们的算法发现这些集群有效，尽管快速变化的微博流。此外，我们还提出了一个新颖的排名函数来识别重要事件。除了证明我们的算法的正确性，我们展示了他们的实际效用，通过使用真实世界的微博数据进行评估。这些证明了我们的技术的能力，发现，高精度和召回，新兴的事件在高强度的数据流中的实时的。许多最近的Web应用程序创建的数据可以表示为大量的动态图。我们的技术可以很容易地扩展到发现，在实时的，有趣的模式，在这样的图。
2012-06-30 cs.DB cs.SI physics.soc-ph
Characterizing Twitter Interaction during COVID-19 pandemic using Complex Networks and Text Mining
COVID-19的爆发始于数月前，报告的起源是中国武汉市场。很快，这种病毒传播到其他国家，因为获得国际旅行是负担得起的，许多国家有一些飞行小时的距离，除了边境是一个不断流动的人。另一方面，互联网用户有使用社交网络分享内容的习惯，关于Covdid-19的问题，问题和想法也不例外。因此，有可能从一个城市、一个国家来分析社会网络互动，以了解这一全球性问题所产生的影响。南美洲是发展中国家的一个地区，面临着与政治，经济，公共卫生等有关的挑战。因此，本文的范围是分析南美国家的Twitter上的互动，并通过用户使用复杂网络表示和文本挖掘的数据流的特征。初步实验引入了模式存在的概念，类似于复杂系统。此外，度分布证实了拥有一个系统的想法，邻接矩阵的可视化显示了用户组发布和交互的存在，在此期间，有可能识别机器人不断发送帖子。
2020-09-11 cs.CY cs.IR cs.SI
A Comprehensive Low and High-level Feature Analysis for Early Rumor Detection on Twitter
L3S Research Center（L3S研究中心）
本文针对 Twitter 早期谣言检测中聚合特征不成熟的问题，利用神经模型学习谣言初期单条推文的隐藏表示，并结合低层与高层特征分析，在 48 小时范围内实现超过 90% 准确率并优于强基线。
2024-04-09 cs.LG cs.SI
Microblog Topic Identification using Linked Open Data
广泛使用社交媒体来分享和获取信息，导致了主题检测模型的发展，以促进对大量简短和分布式帖子的理解。概率主题模型（如潜在狄利克雷分配）和基于矩阵分解的方法（如潜在语义分析和非负矩阵分解）将主题表示为对许多自动化过程有用的术语集。然而，确定一个主题是关于什么的是一个进一步的任务。或者，产生摘要的技术是人类可以理解的，但不太适合自动化处理。这项工作提出了一种方法，利用链接的开放数据（LOD）资源，提取语义表示的主题，从集合的微帖子。所提出的方法利用实体链接来识别来自微帖子的主题元素。这些元素通过共现图相关联，共现图被处理以产生主题。主题表示使用的本体，是为此目的而引入的。该方法的原型用于从11个数据集中识别主题，这些数据集包括在各种事件中从Twitter收集的100多万个帖子，例如2016年美国大选辩论和Carrie Fisher的死亡。详细描述了该方法生成超过5000个主题的特点。语义主题在揭示信息方面的潜力，这是不容易观察到的，表现出各种复杂性的语义查询。从36个随机选择的时间间隔中对主题进行人工评估，结果精确度为81.0%，F1得分为93.3%。此外，他们从相同的数据集从一种方法，从微博帖子集合产生人类可读的主题生成的主题进行比较。
2020-09-21 cs.IR cs.SI
Exploiting Consistency Theory for Modeling Twitter Hashtag Adoption
Twitter是一个微博客服务，已经发展成为一个强大的通信平台，拥有数百万活跃用户，他们每天都会产生大量的微博。为了便于有效分类和方便搜索，用户采用主题标签、关键字或前面带有哈希（#）字符的短语。成功预测Twitter中以热门话题或标签形式出现的信息的传播和传播，可以帮助实时的识别新趋势，从而改善营销工作。社会理论，如一致性理论表明，人们更喜欢和谐或一致的思想。例如，在Twitter中，用户更有可能在最终死亡之前多次采用相同的趋势标签。在本文中，我们提出了一个低秩加权矩阵分解方法来建模趋势标签采用Twitter的一致性理论的基础上。特别是，我们首先将趋势标签采用建模的问题转化为优化问题，然后将一致性理论作为正则化项集成到其中，最后利用广泛使用的矩阵分解来解决优化问题。实证实验表明，我们的方法在预测用户未来是否会使用特定趋势标签方面优于其他基线。
2017-05-30 cs.SI
Evaluating Robustness of LLMs on Crisis-Related Microblogs across Events, Information Types, and Linguistic Features
Qatar Computing Research Institute（卡塔尔计算研究所）；Hamad Bin Khalifa University（哈马德·本·哈利法大学）；OpenAI
本研究评估六个大型语言模型在灾害相关微博上的鲁棒性，发现GPT-4o和GPT-4泛化最佳，但多数模型处理洪水数据困难，对拼写错误敏感，且专有模型全面优于开源模型。
2024-12-08 cs.AI cs.CL cs.SI
Discourse Analysis of Covid-19 in Persian Twitter Social Networks Using Graph Mining and Natural Language Processing
Amirkabir University of Technology（阿米尔卡比尔理工大学）；Allame Tabatabaei Universiy（阿拉梅·塔巴塔巴伊大学）；Tarbiat Modarres University（塔比亚特莫达雷斯大学）
分析社交网络的公开数据是理解话语动态的一种新的科学方法。本研究的目的是使用波斯社会智能数据采掘对新冠肺炎现象进行后结构主义话语分析（PDA）（受拉克劳和墨菲的话语理论启发）。研究的大数据是来自波斯Twitter网络的16万用户的500万条推文，以比较两种话语。除了单独分析推文文本之外，还基于转发关系创建了社交网络图数据库。我们使用VoteRank算法来介绍和排名的人，其职位成为口碑，提供的总信息传播范围最大化的网络。这些用户还根据他们的单词使用模式进行聚类（使用高斯混合模型）。有影响力的传播者的建构话语被比作最活跃的用户。该分析是基于8次事件中与Covid相关的帖子进行的。此外，通过对推文的统计内容分析和极性分析，对所有提到的子群体，特别是对排名靠前的个人进行了话语分析。本研究最重要的结果是，推特被试的话语建构是以政府为基础的，而不是以社区为基础的。被分析的伊朗社会并不认为自己对新冠病毒的邪恶问题负有责任，不相信参与，并期望政府解决所有问题。最活跃和最有影响力的用户的相似性是政治、国家和批评性话语建构占主导地位。除了其研究方法论的优势外，也有必要注意到其研究的局限性。对伊朗社会今后遇到类似危机提出了建议。
2021-09-01 cs.CL cs.SI
Early Stage Influenza Detection from Twitter
Carnegie Mellon University（卡内基梅隆大学）；Cornell University（康奈尔大学）
流感是一种急性呼吸道疾病，几乎每年都会发生，并导致大量疾病，死亡和费用。在最早阶段发现流感将有助于及时采取行动，减少疾病的传播。现有的系统，如CDC和EISS，试图收集诊断数据，几乎完全是手动的，导致临床数据采集延迟约两周。Twitter，一个流行的微博服务，由于其实时的性质，为我们提供了一个早期流感检测的完美来源。例如，当流感爆发时，感染流感的人可能会发布相关的推文，从而能够及时检测流感爆发。在本文中，我们研究了实时流感检测问题的Twitter数据，提出流感马尔可夫网络（Flu-MN）：一个时空无监督贝叶斯算法的基础上的4阶段马尔可夫网络，试图在最早的阶段识别流感爆发。我们在来自美国的真实Twitter数据集上测试了我们的模型，以及多个应用程序中的基线，例如实时流感爆发检测，未来流行病阶段预测或流感样疾病（ILI）医生访问。实验结果表明了该方法的鲁棒性和有效性。我们建立了一个实时的流感报告系统的基础上提出的方法，我们希望这将有助于政府或卫生组织在识别流感爆发，并促进及时采取行动，以减少不必要的死亡率。
2013-11-18 cs.CL cs.SI
Mining the Demographics of Political Sentiment from Twitter Using Learning from Label Proportions
意见挖掘和人口统计属性推断在社会科学中有着广泛的应用。在本文中，我们提出了模型来推断每天的联合概率多个潜在的属性从Twitter数据，如政治情绪和人口统计属性。由于为传统的监督分类注释数据既昂贵又耗时，因此我们提出了可扩展的标签比例学习（LLP）模型，用于使用美国人口普查，国家和州政治民意调查以及库克党派投票指数作为人口水平数据的人口统计和意见推断。在LLP分类设置中，将训练数据划分为一组未标记的包，其中仅知道每个包中的标签分布，从而消除了对实例级注释的需求。我们提出的LLP模型，加权标签正则化（WLR），提供了一个可扩展的泛化标签正则化的先前工作，以支持袋内样本的权重，这是适用于这种设置，其中袋是分层排列的（例如，县级袋嵌套在州级袋内）。我们将我们的模型应用于2016年美国总统大选前一年收集的Twitter数据，估计政治情绪和人口统计数据之间的关系。我们发现，我们的方法密切跟踪传统的民意调查数据分层的人口类别，导致错误减少28-44%的基线方法。我们还提供了描述性的评估，显示该模型可以用来估计许多变量之间的相互作用，并确定语言的时间变化，通常是不可行的，使用传统的轮询方法的能力。
2017-08-26 cs.SI
Como Mensurar a Importância, Influência e a Relevância de Usuários do Twitter? Uma análise da interação dos candidatos à presidência do Brasil nas eleições de 2018
在当代世界中，相当多的人出于各种目的使用社交网络服务，包括但不限于通信、交换消息和搜索信息。政治领域流行的社交网络是Twitter，这是一种微型博客服务，用于发布多达280个字符的信息，称为“推文”，各国有影响力的政治家经常使用这种媒介传播思想并发表公开声明。在这项工作中，分析了2018年巴西共和国总统候选人的关系。利用复杂网络的分析来衡量影响力和相关性，建立了一个能够量化网络中用户重要性的度量。作为分析的一部分，使用记忆算法来检测社区，强连接顶点（tweets）组证明用户分组。
2019-02-21 cs.DL cs.SI
Mining Half a Billion Topical Experts Across Multiple Social Networks
挖掘社交媒体上的话题专家是一个因其广泛应用而受到广泛关注的问题。在这里，我们提出了第一项研究，该研究结合了来自四个主要社交网络的数据- Twitter，Facebook，Google+和LinkedIn，以及维基百科图表和互联网网页文本和元数据，以排名全球用户群体中的主题专家。我们对来自各种数据源（如消息文本、用户列表、网页、社交图表和维基百科）的37个特征进行了深入分析。这项大规模研究包括90天滑动窗口内的120多亿条消息和580亿条社交图边。比较表明，来自Twitter列表，维基百科，互联网网页和Twitter追随者的功能是特别好的专业指标。我们使用这些特征在包含近90，000个标签的大型地面真实数据集上训练专业知识排名模型。该模型应用于一个生产系统，该系统每天对9,000多个主题领域的6.5亿多名专家进行排名。我们提供的结果和例子，我们的专家排名系统的有效性，以及经验验证。最后，我们通过开放的REST API提供主题专业知识数据，以供更广泛的使用。
2016-08-31 cs.IR cs.SI
Breaking the Communities: Characterizing community changing users using text mining and graph machine learning on Twitter
Universidad de Buenos Aires（布宜诺斯艾利斯大学）；CONICET（阿根廷国家科学与技术研究理事会）；Instituto de Física de Buenos Aires（布宜诺斯艾利斯物理研究所）
尽管互联网和社交媒体增加了人们可以消费的新闻和信息量，但大多数用户只接触到强化其立场并将其与其他意识形态群体隔离开来的内容。这种环境对我们的生活产生了重大影响，如严重的政治两极分化，假新闻容易传播，政治极端主义，仇恨团体以及缺乏丰富的辩论等。因此，鼓励不同用户群体之间的对话，打破封闭的社区，对健康的社会至关重要。在本文中，我们使用自然语言处理技术和图形机器学习算法来描述和研究在Twitter上打破社区的用户。特别是，我们从150万用户那里收集了900万条Twitter消息，并构建了转发网络。我们确定了他们的社区和与他们相关的讨论主题。有了这些数据，我们提出了一个用于社交媒体用户分类的机器学习框架，该框架检测“社区破坏者”，即从封闭社区转向另一个社区的用户。对三个Twitter极化政治数据集的特征重要性分析表明，这些用户的PageRank值较低，这表明这些变化是由于他们的消息在社区中没有响应而引起的。这种方法还使我们能够确定他们感兴趣的特定主题，为这类用户提供全面的特征。
2021-12-20 cs.LG cs.SI
Mining Twitter to Assess the Determinants of Health Behavior towards Human Papillomavirus Vaccination in the United States
University of Florida（佛罗里达大学）；National Cancer Institute（美国国家癌症研究所）；Macquarie University（麦考瑞大学）；The University of Texas Health Science Center at Houston（德克萨斯大学休斯顿健康科学中心）；University of Minnesota（明尼苏达大学）
目的探讨使用Twitter数据评估消费者对人乳头瘤病毒（HPV）疫苗接种的健康行为决定因素的可行性。我们使用了2014年至2018年的三个Twitter数据集。我们对推文进行了预处理和地理编码，然后构建了一个基于规则的模型，将每条推文分类为促销信息或消费者讨论。我们应用主题建模来发现主要主题，随后探索了从消费者讨论中了解到的主题与健康信息全国趋势调查（HINTS）中HPV相关问题的回答之间的关联。结果我们收集了2，846，495条推文，并分析了335，681条地理编码的推文。通过主题建模，我们确定了122个高质量的主题。消费者讨论最多的话题是“宫颈癌筛查”;而在促销推文中，最热门的话题是提高对“HPV致癌”的认识。在122个主题中，有87个主题与促销信息和消费者讨论相关。在IBM的指导下，我们检查了Twitter发现与HINTS结果之间的一致性。35个主题可以通过关键字映射到HINTS问题，112个主题可以映射到IBM结构，45个主题在地理分布方面与HINTS响应具有统计学显著相关性。结论挖掘Twitter来评估消费者的健康行为不仅可以获得与调查相当的结果，而且可以通过理论驱动的方法产生额外的见解。尽管存在局限性，但这些令人鼓舞的结果促使我们在不断变化的健康传播环境中开发利用社交媒体的创新方法。
2019-07-06 cs.CY cs.LG cs.SI
Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings
Maharaja Surajmal Institute of Technology, GGSIPU（马哈拉贾苏拉杰马尔技术学院，GGSIPU）；Indraprastha Institute of Information Technology Delhi（德里英德拉普拉斯塔信息技术学院）；All India Institute of Medical Sciences（全印度医学科学学院）
社交媒体在全球传播新闻方面发挥着关键作用，并成为人们就各种主题发表意见的平台。全球各地的COVID-19疫苗接种活动伴随着各种各样的观点，这些观点往往受到情绪的影响，这些情绪会随着病例的增加、疫苗的批准以及在线讨论的多种因素而变化。本研究的目的是分析不同的情绪类别的时间演变：犹豫，愤怒，悲伤，预期，信仰和满意度的影响因素：疫苗推出，错误信息，健康影响和不公平的词汇类别创建属于五个国家的推文与重要的疫苗推出计划，即印度，美国，巴西，英国和澳大利亚。我们提取了近180万条与COVID-19疫苗接种相关的Twitter帖子的语料库。我们使用选定种子词的余弦距离，扩大了每个类别的词汇量，并跟踪了2020年6月至2021年4月期间其强度的纵向变化。我们使用社区发现算法来发现正相关网络中的模块。我们的研究结果表明，在所有国家中，对疫苗表示犹豫的推文中提到的健康相关影响最多。我们的研究结果表明，犹豫的模式在不同的地理位置是不同的，可以帮助我们学习有针对性的干预措施。我们还观察到，在疫苗批准前后，犹豫和满意等类别的线性趋势发生了显著变化。在冲积图中，愤怒和悲伤等负面情绪的重要性最高。它们与2021年4月印度观察到第二波COVID-19病例时的所有影响因素形成了一个重要模块。情绪和影响因素之间的关系被发现是可变的国家。
2021-07-20 cs.CL cs.SI
Checkovid: A COVID-19 misinformation detection system on Twitter using network and content mining perspectives
Amirkabir University of Technology（阿米尔卡比尔理工大学）
在COVID-19疫情期间，由于社交隔离和隔离，社交媒体平台是沟通的理想平台。此外，它是大规模传播错误信息的主要来源，被称为信息流行病。因此，自动揭穿错误信息是一个至关重要的问题。为了解决这个问题，我们在Twitter上展示了两个与COVID-19相关的错误信息数据集，并提出了一个错误信息检测系统，该系统包括基于机器学习算法和NLP技术的基于网络和基于内容的过程。在基于网络的过程中，我们专注于社会属性，网络特征和用户。另一方面，我们在基于内容的过程中直接使用推文的内容对错误信息进行分类，该过程包括文本分类模型（段落级和段落级）和相似度模型。基于网络的过程的评价结果显示，人工神经网络模型的F1得分为88.68%的最佳结果。在基于内容的过程中，我们的新的相似性模型，其中获得了90.26%的F1得分，显示了改进的错误信息分类结果相比，基于网络的模型。此外，在文本分类模型中，使用堆叠集成学习模型取得了最好的结果，获得了95.18%的F1分数。此外，我们在Constraint@AAAI2021数据集上测试了我们基于内容的模型，并获得了94.38%的F1分数，我们改进了基线结果。最后，我们开发了一个名为Replikovid的事实核查网站，该网站使用每个流程从不同角度检测COVID-19领域中的错误信息和信息性声明。
2021-07-20 cs.CL cs.LG cs.SI
Mining Anonymity: Identifying Sensitive Accounts on Twitter
我们探讨了自动查找在Twitter上发布敏感内容的帐户的可行性。解决这个问题的一个自然方法是首先创建一个敏感关键字列表，然后识别在推文中使用这些关键字的Twitter帐户。但这种方法可能会忽略那些没有被主观选择的关键字所覆盖的敏感账户。在本文中，我们通过检查帐户拥有的匿名和可识别追随者的百分比来探索如何找到敏感帐户。这种方法的动机是早期的一项研究表明，敏感帐户通常有很大比例的匿名追随者和一小部分可识别的追随者。为此，我们首先考虑自动确定Twitter帐户是匿名还是可识别的问题。我们发现，简单的技术，如检查名称列表成员，性能不佳。我们设计了一个机器学习分类器，可以将帐户分类为匿名或可识别。然后，我们根据帐户拥有的匿名和可识别追随者的百分比将帐户归类为敏感帐户。我们将我们的方法应用于大约100，000个账户，拥有4.04亿活跃粉丝。这种方法发现了由于各种原因而敏感的账户。这些账户涵盖各种主题，包括那些通常不被认为是敏感的主题或那些与社会污名化主题有关的主题。为了验证我们的方法，我们将潜在狄利克雷分配（LDA）主题分析应用于检测到的敏感和非敏感账户中的推文。LDA表明，从该方法中获得的敏感和非敏感账户正在发布关于截然不同的主题的推文。我们的研究结果表明，客观地识别Twitter规模的敏感账户确实是可能的。
2017-02-01 cs.CR cs.SI
An event detection technique using social media data
人们在社交媒体平台（如Twitter，Facebook，PInterest和Google+）上发布有关其活跃词汇中不同主题的信息。他们互相关注，更有可能的是，发布有关当前事件信息的人会得到更好的回应。对社交媒体平台上的大量数据进行手动分析是困难的。这为自动分析用户贡献的社交媒体文档开辟了新的研究方向。由于用户共享的大量信息，自动社交媒体数据分析是困难的。许多研究人员使用Twitter数据进行社交媒体分析（SMA），因为Twitter数据可以在公共领域免费获得。这是最重要的研究工作之一。来自社交媒体数据的事件检测用于不同的应用，如交通拥堵检测，灾难和紧急管理以及实时新闻检测。在twitter平台上分享的信息本质上是短文本的、嘈杂的、模糊的。因此，事件检测和事件短语从用户生成的和畸形的数据的提取变得具有挑战性。为了应对这些挑战，使用不同的认知属性以关键词的形式从流媒体社交媒体数据中提取事件。这项研究工作背后的动机是提供实质性的改进，在词汇变化的事件短语，同时检测事件和子事件从twitter数据。在这项研究工作中，对社会媒体数据的事件检测的方法分为三个阶段，即：识别子图微博词共现网络（WCN），提供了重要的关键词信息;识别多个事件从社会媒体数据;和排名事件短语的上下文信息。
2022-08-27 cs.IR cs.SI
How Many Tweets DoWe Need?: Efficient Mining of Short-Term Polarized Topics on Twitter: A Case Study From Japan
近年来，社交媒体因产生两极分化而受到批评。发现新出现的分歧和日益严重的两极分化对记者发出警报和提供更平衡的报道很重要。虽然最近的研究表明社交媒体上存在两极分化，但它们主要集中在有限的主题上，如政治，长期收集大量数据，特别是数月或数年。虽然这些发现很有帮助，但要立即创建警报为时已晚。为了解决这个问题，我们开发了一个领域无关的挖掘方法，以确定两极分化的主题在Twitter上在短期内，即12小时。因此，我们发现2022年初的每日日本新闻相关话题在12小时范围内的两极分化率为31. 6\%。我们还分析了他们倾向于构建平均度相对较高的信息扩散网络，一半的推文是由相对较少的人创建的。然而，由于Twitter API的限制，每天收集大量关于许多主题的推文并监视两极分化是非常昂贵和不切实际的。为了使其更具成本效益，我们还开发了一种预测方法，使用机器学习技术来估计极化水平使用随机收集的推文利用网络信息。大量的实验表明，与基线方法相比，收集成本显着节省。特别是，我们的方法达到了0.85的F分数，需要4,000条推文，比基线节省了4倍。据我们所知，我们的工作是第一个预测低资源推文主题的极化水平。我们的研究结果对新闻媒体有着深远的影响，使记者能够快速有效地发现和传播两极分化的信息。
2022-11-29 cs.CY cs.SI
Sentiment analysis model for Twitter data in Polish language
Politechnika Warszawska（华沙理工大学）；Wydział Elektroniki i Technik Informacyjnych（电子与信息技术学院）；Instytut Informatyki（计算机科学研究所）
对2015年5月10日波兰总统选举期间收集的推文进行文本挖掘分析。该项目包括实现从Twitter检索信息的引擎，构建文档语料库，语料库清理，以及创建术语文档矩阵。来自文本语料库的每条推文都根据其情感得分被分配了一个类别。分数是使用每个文档中积极和/或消极的表情符号和波兰语单词的数量计算的。结果数据集用于训练和测试四个机器学习分类器，以选择提供最准确的自动推文分类结果的分类器。朴素贝叶斯算法和最大熵算法的准确率最高，分别为71.76%和77.32%。所有的实现任务都是使用R程序设计语言完成的。
2019-11-03 cs.CL cs.IR cs.LG
Visualizing and Quantifying Impact and Effect in Twitter Narrative using Geometric Data Analysis
我们使用几何多变量数据分析，这被称为一种方法的可视化和语言化的数据。一般目标是数据采掘和知识发现。在第一个案例研究中，我们使用的是围绕高度知名的推文的叙事，因此是一个意义重大的Twitter事件。在第二个案例研究中，我们使用了八个精心策划的与环境问题有关的Twitter活动。这些运动的目的是提高环境意识和行为。与目前使用Twitter的营销，政治和其他沟通活动不同，我们开发了一种创新的方法来衡量bevavioural变化。我们还展示了如何评估社交媒体行为的统计意义。
2014-09-14 cs.CY cs.SI physics.soc-ph
Race, Religion and the City: Twitter Word Frequency Patterns Reveal Dominant Demographic Dimensions in the United States
最近，社会科学中出现了许多方法来利用在线社交网络（OSN）产生的大量数据所带来的机会。能够如此大规模地获得用户信息，开辟了一系列可能性，而且所有这些都没有与通常缓慢而昂贵的纸质民意调查相关的限制。然而，一个仍有待满意解决的问题是，人口统计学如何在OSN内容中表现出来？在这里，我们研究语言使用在美国使用的文本语料库编译从超过5亿个地理标记的消息从在线微博平台Twitter。我们的目的是揭示最重要的空间模式在语言使用中的一种无监督的方式，并将它们与人口统计。我们的方法是基于潜在语义分析（LSA）与鲁棒主成分分析（RPCA）方法增强。我们发现空间相关的模式，可以解释的基础上与他们相关的话。主要的语言特征可能与俚语的使用、城市化、旅行、宗教和种族有关，这些特征的模式与传统的人口普查数据密切相关。因此，我们的研究结果验证了OSN语言使用中所代表的人口统计学概念，并表明观察到的特征固有地存在于词频中，而无需对数据集进行任何先前的假设。因此，它们可以成为进一步研究的基础，重点是评估来自其他大数据源的人口数据估计，或者是导致这里发现的模式的动态过程。
2016-05-11 cs.SI physics.soc-ph
Forecasting of Events by Tweet Data Mining
Ivan Franko Lviv National University（利沃夫伊万·弗兰科国立大学）
本文描述了Twitter微博帖子中与不同事件讨论相关的频繁集和关联规则的定量特征分析。对于分析，我们使用了频繁集理论，关联规则和形式概念分析理论。我们揭示了频繁集和关联规则的特征之间的语义关系的分析主题的概念。某些频繁集的支持度在期望事件发生前达到全局最大值，但有一定的时间延迟。这种频繁集可以被认为是预测标记，其表征了博客圈用户预期事件的重要性。我们发现，在一些揭示的关联规则的信心的时间动态也可以有预测特性。超过某个阈值可能是在事件的最大值和可能到来之间的时间间隔内社会做出相应反应的信号。在本文中，我们考虑了两种类型的事件：2012年伦敦奥运会网球锦标赛决赛和2013年欧洲电视网冠军的预测。
2013-10-13 cs.CL cs.CY cs.SI
Plexus: An Interactive Visualization Tool for Analyzing Public Emotions from Twitter Data
研究人员经常使用社交媒体作为获取人们活动和思想的实时数据的方法。Twitter作为当今最流行的社交网络服务之一，提供了关于各种主题和事件的丰富信息流。挖掘和分析推文使我们能够找到公众对活动或对象的反应和情绪。本文提出了一种交互式可视化工具，识别和可视化的人的情绪上的任何两个相关的主题流和处理数据从Twitter的。这种可视化的有效性进行了评估，并与14名参与者的可行性研究证明。
2017-01-24 cs.HC cs.SI
What Sentiment and Fun Facts We Learnt Before FIFA World Cup Qatar 2022 Using Twitter and AI
Hamad Bin Khalifa University（哈马德·本·哈利法大学）；HKUST（香港科技大学）
本文提出了一种基于机器学习和Vader算法的情感分析解决方案，通过收集至少13万条与2022年卡塔尔世界杯相关的Twitter推文，揭示了世界杯开幕前公众的积极情感和相关趣闻。
2023-06-28 cs.CL cs.SI
Walking Through Twitter: Sampling a Language-Based Follow Network of Influential Twitter Accounts
Twitter通过公开访问、免费的标准API不断加强对其数据的访问。这尤其适用于网络。有鉴于此，我们成功地修改了网络采样方法，使其能够与Twitter标准API有效地配合使用，以便检索基于语言的Twitter关注网络中最核心和最有影响力的帐户：德国Twittersphere。我们提供的证据表明，该方法能够近似一组前1%至10%的有影响力的帐户在德国的Twitter领域的活动，追随者数量，覆盖面和范围。此外，我们展示了这些数据的有用性，提出的第一个概述的主题社区内的德国Twitter和他们的网络结构。所提出的数据采掘方法开辟了进一步的查询途径，如收集和比较的语言为基础的Twittersphere以外的德国，它的进一步发展，围绕某些主题或帐户的兴趣，并将其应用到其他在线社交网络和平台，如议程设置和意见领袖的概念。
2020-12-04 cs.SI
Earthquake Response Analysis with AI
Indian Institute of Information Technology Raichur（印度信息技术学院赖布尔分校）；National Institute of Technology, Rourkela（鲁尔克拉国家理工学院）；Space Research Institute, Austrian Academy of Sciences（奥地利科学院空间研究所）；Nikhef（荷兰国家亚原子物理研究所）
本研究探索利用Twitter数据开展地震响应分析，构建结合NLP技术的机器学习框架，提取推文位置信息识别受灾区、生成灾情图并通过WebGIS展示，助力优化灾害响应与资源调配。
2025-03-14 cs.CL cs.CY cs.SI
Seeing through the smoke : a world-wide comparative study of e-cigarette flavors, brands and markets using data from Reddit and Twitter
电子烟作为香烟的替代品越来越受欢迎，促使我们使用Reddit和Twitter上的帖子来研究品牌，口味和在线市场活动的趋势。这项全球性研究的主要动机是强调法律法规对不同国家不同口味和品牌的vapes的使用和可用性的差异。数据来自澳大利亚、加拿大、欧洲和英国的电子烟社区。广泛的数据清理和严格的文本挖掘操作为不同的国家提供了不同的结果。从Reddit和Twitter获得了不同的结果，因为它们为用户提供了不同的氛围。
2020-02-04 cs.SI
A Large-Scale Dataset of Twitter Chatter about Online Learning during the Current COVID-19 Omicron Wave
University of Cincinnati（辛辛那提大学）
据报道，COVID-19 Omicron变体是COVID-19最具免疫逃避性的变体，导致全球COVID-19病例激增。这使得世界各地的中小学、学院和大学都开始转向在线学习。因此，Twitter等社交媒体平台以推文形式出现的与在线学习相关的对话正在增加。挖掘这些推文以开发数据集可以作为不同应用程序和用例的数据资源，这些应用程序和用例与当前由Omicron变体引起的COVID-19病例激增期间对在线学习的兴趣、观点、意见、观点、态度和反馈的分析有关。因此，这项工作展示了自2021年11月发现首例COVID-19 Omicron变异病例以来，来自世界不同地区关于在线学习的大规模开放访问Twitter对话数据集。该数据集符合隐私政策、开发者协议和Twitter内容再分发指南，以及科学数据管理的FAIR原则（可查找性、可访问性、互操作性和可重用性）。本文还简要概述了大数据，数据采掘，自然语言处理及其相关学科领域的一些潜在应用，特别关注在这一Omicron浪潮中可以使用该数据集进行研究，探索和调查的在线学习。
2022-07-20 cs.AI cs.CY cs.LG
