On the Potential of Twitter for Understanding the Tunisia of the Post-Arab Spring
通过Twitter的微博客使信息简短扼要,更重要的是可以系统地搜索。这项工作是通过微型博客网站Twitter获得突尼斯人对突尼斯的观察的系列中的第一项。数据是使用开源Twitter API v1.1提取的。使用功能搜索操作程序获取特定推文,特别是主题主题标签、地理位置、日期、时间和语言。突尼斯在国际推文流中的存在,突尼斯居民通过Twitter进行交流的语言以及突尼斯各地的Twitter使用情况是本文关注的中心。
2014-01-18 cs.CY cs.SI physics.soc-ph
Identifying Data Noises, User Biases, and System Errors in Geo-tagged Twitter Messages (Tweets)
许多社交媒体研究人员和数据科学家收集了带有地理标签的推文,以进行空间分析或识别特定主题或事件的过滤消息的时空模式。本文提供了一个系统的视图来说明Twitter Streaming API中地理标记推文的特性(数据噪声,用户偏见和系统错误)。首先,我们发现一小部分(1%)活跃的Twitter用户可以创建很大一部分(16%)带有地理标签的推文。其次,有大量(57.3%)的地理标记的推文位于圣地亚哥的Twitter流媒体API的限界框之外。第三,我们可以通过检查“源”元数据字段来检测垃圾邮件、机器人、机器人推文(数据噪声)。在我们的案例研究中,地理标记推文中的数据噪声部分是显著的(在加利福尼亚州圣地亚哥为29.42%,在俄亥俄州哥伦布为53.47%)。最后,大多数带有地理标签的推文不是由Android或iPhone设备中的通用Twitter应用程序创建的,而是由其他平台创建的,如Instagram和Foursquare。我们建议一个多步骤的程序,以消除这些噪音,为未来的研究项目,利用地理标记的推文。
2017-12-06 cs.SI
Active Keyword Selection to Track Evolving Topics on Twitter
我们如何在大规模上研究不断发展的主题上的社会互动?在过去的十年中,来自经济学、政治学和公共卫生等不同领域的研究人员经常通过使用精心挑选的主题关键字查询Twitter的公共API端点来搜索或流式传输讨论。然而,尽管API具有可访问性,但仍然难以选择和更新关键字以收集与感兴趣的主题相关的高质量数据。在本文中,我们提出了一个主动学习方法,快速精炼查询关键字,以增加产生的主题相关性和数据集的大小。我们利用一个大型的开源COVID-19 Twitter数据集来说明我们的方法在跟踪围绕疫苗,口罩和锁定的关键子主题的推文中的适用性。我们的实验表明,我们的方法实现了平均主题相关的关键字召回比基线高2倍。我们开源了我们的代码以及用于关键字选择的Web界面,以使研究人员从Twitter收集的数据汇集更加系统化。
2022-09-22 cs.IR cs.SI
An Influence-based Clustering Model on Twitter
Stevens Institute of Technology(史蒂文斯理工学院)
本文介绍了一个时间框架检测和聚类的突发和病毒性的社交网络上的主题。基于用户在社交网络上的行为和来自Twitter API的数据集,使用聚类方法探索了病毒式内容发展的内源性和外源性影响。结果进行了讨论,通过引入指标,如流行度,突发性和相关性得分。结果表明,两类用户的开发内容的特点有明显的区别。
2018-11-19 cs.CL cs.SI
What a Nasty day: Exploring Mood-Weather Relationship from Twitter
Stanford University(斯坦福大学);Peking University(北京大学);Carnegie Mellon University(卡内基梅隆大学)
长期以来,心理学一直认为天气会以某种方式影响人类的情绪,但关于它们之间如何相关的争论已经持续了几十年。在本文中,我们试图通过利用与传统心理学研究相比的新数据源来研究这个长期存在的话题:Twitter。通过对twitter API采集的2年twitter数据进行分析,得到了所有twitter帖子中的$10\%$,试图揭示人类情绪的多维结构与气象效应之间的相关性。我们的一些发现证实了现有的假设,而另一些则与之相矛盾。我们希望我们的方法,以及新的数据源,可以摆脱长期以来关于天气-情绪相关性的争论。
2014-10-30 cs.CL cs.SI
Estimating hourly population distribution change at high spatiotemporal resolution in urban areas using geo-tagged tweets, land use data, and dasymetric maps
本文介绍了一个时空分析框架,估计每小时变化的人口分布在城市地区使用地理标记的推文(包含用户的物理位置的消息),土地利用数据和dasymetric地图。我们使用Twitter的流应用程序编程接口(API)在一年(2015年)内收集了圣地亚哥县内的地理标记社交媒体(推文)。一个用于数据清理的半手动Twitter内容验证程序首先应用于人类和非人类用户(机器人)创建的单独推文。下一步是使用两种不同的地理单位计算每小时唯一Twitter用户的数量:(1)人口普查区块,以及(2)LandScan的1km × 1km分辨率网格。最后一步是通过将每个人口普查区块或网格中唯一Twitter用户的数量转换为具有空间和时间变化因素的估计人口密度来估计实际动态人口。时间因素是基于每小时的频率变化的独特的Twitter用户在圣地亚哥县,加利福尼亚州。利用土地利用图和2010年人口普查数据,使用dasymetric方法估计了空间因素。建立了几个比较图,以可视化动态人口分布的时空格局变化。
2018-10-15 cs.SI physics.soc-ph
Approaches for Sentiment Analysis on Twitter: A State-of-Art study
National Institute of Technology, Surat(苏拉特国立理工学院)
微博是一个非常普遍的广播媒体之间的互联网兄弟这些天。人们分享他们对产品、新闻、机构等各种主题的看法和感受,每天都在微博网站上情感分析在预测系统、意见挖掘系统等中起着关键作用。微博平台之一的Twitter允许其用户的字符数限制为140个。这种限制促使用户非常简洁地表达自己的观点,并在twitter上发表大量的观点供分析。Twitter还提供了开发者友好的流API用于数据检索目的,允许分析师搜索来自不同用户的实时的tweet。在本文中,我们讨论了国家的艺术作品,集中在Twitter上,在线社交网络平台,情感分析。我们调查了各种词汇,机器学习和混合方法的情感分析在Twitter上。
2015-12-03 cs.CL cs.IR cs.SI
An Analysis of Twitter Users From The Perspective of Their Behavior, Language, Region and Development Indices -- A Study of 80 Million Tweets
许多研究人员已经鼓动进行一项全面的研究,以探索在线社交媒体的各个方面。本文介绍了社交平台Twitter。在目前的工作中,我们已经说明了逐步程序爬行的数据,并讨论了相关的关键问题,提取相关的功能,可以是有用的Twitter相关的研究,同时抓取这些数据从应用程序编程接口(API)。此外,包括超过8600万条推文的数据已经从各种角度进行了分析,包括最常用的语言,最频繁的单词,最频繁的用户,最多和最少推文和转发的国家等。分析表明,与Twitter相关的用户数据对包括政治,社会科学,经济学和语言学在内的各个领域的研究具有很高的亲和力,此外,还确定了一个国家的推特用户与其人类发展指数之间的关系。据观察,与人类发展指数低的国家相比,人类发展指数很高的国家的推文数量相对较多。可以预见,本研究将打开信息处理和数据科学研究的许多大门。
2021-05-21 cs.SI
Post or Tweet: Lessons from a Study of Facebook and Twitter Usage
这份研讨会文件报告了正在进行的一项混合方法研究,研究对象是两个可以说是最受欢迎的社交网站,Facebook和Twitter,使用者都是相同的用户。该研究的总体目标是通过将有关参与者动机的调查数据与通过API提取收集的使用数据相结合,揭示社交媒体选择和跨平台使用的细微差别。我们描述了这项研究的设置,并重点讨论了与参与者招募和数据汇集、处理和维度化使用数据以及比较各站点使用数据相关的挑战和见解。
2020-11-27 cs.CY cs.HC cs.IR
Bovine Tuberculosis in Britain: identifying signatures of polarisation and controversy on Twitter
疾病控制的方法受到民意的影响并反映在民意中,两者在本质上是相互依存的。英国牛和獾的牛结核病(bTB)就是一个高度两极分化的例子。另一方面,牛病毒性腹泻(BVD)没有同样的争议。在本文中,我们研究如何在Twitter上的语言主观性不同时,比较围绕bTB和BVD的话语,使用网络分析和语言和情感分析相结合。这项研究使用的数据是从Twitter公共API收集的,为期两年。我们调查了网络结构,语言内容,和用户简档的推文,这两种疾病。虽然分析网络结构显示两种疾病主题之间的差异很小,但结构的元素使我们能够更好地调查用户的语言结构和个人资料。我们发现,在关于每种疾病的推文中使用的语言和情绪之间存在明显差异,并且在做推文的用户的个人资料中也存在明显差异。我们希望这将指导进一步的调查和潜在的监督或控制错误信息的途径。
2022-11-25 cs.SI
Forgetful by Design? A Critical Audit of YouTube's Search API for Academic Research
University of Amsterdam(阿姆斯特丹大学);Euncet Business School(尤内塞商学院)
本文批判性审查YouTube搜索API的局限性,指出其在学术研究中存在完整性和一致性问题,影响研究结果的可靠性。
2025-11-24 cs.HC cs.IR 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
Measuring user influence on Twitter: A survey
中心性是社会网络分析中研究最多的概念之一。有大量的文献关于中心性措施,作为识别社交网络中最相关用户的方法。挑战是找到可以有效计算的度量,并且能够根据尽可能接近现实的相关性标准对用户进行分类。我们在Twitter网络的背景下解决这个问题,Twitter网络是一个在线社交网络服务,拥有数百万用户,每天通过用户之间的互动发布和传播的消息流令人印象深刻。Twitter有不同类型的用户,但最大的效用在于找到最有影响力的用户。本文的目的是收集和分类不同的Twitter影响力的措施,存在到目前为止,在文献中。这些措施多种多样。有些基于Twitter API提供的简单指标,而另一些则基于复杂的数学模型。一些措施是基于PageRank算法,传统上用于排名的网站在互联网上。有些人考虑出版的时间轴,有些人考虑信息的内容,有些人关注特定的主题,还有一些人试图做出预测。我们考虑所有这些方面,以及一些其他方面。此外,我们还包括活动和流行度的措施,传统的机制,以相关的措施,和一些重要方面的计算复杂性,为这个特定的背景。
2016-04-24 cs.SI
twAwler: A lightweight twitter crawler
本文介绍了twAwler,一个轻量级的twitter爬虫,针对特定语言的用户社区。twAwler利用twitter API的多个端点来探索用户关系,并快速识别属于目标集的用户。它对所有用户执行完整的抓取,发现许多标准的用户关系,包括转推图,提及图,回复图,引用图,跟随图等。twAwler在2016年8月至2018年3月期间被用于生成一个广泛的数据集,其中包括所有讲希腊语的Twitter账户(约33万)及其推文和关系。总的来说,爬虫已经收集了7.5亿条推文,其中4.24亿条是希腊语; 7.5亿条是关系;关于30万个列表的信息,它们的成员(1.19亿会员关系)和订阅者(2.7万个订阅关系); 70.5万个热门话题;总共有5200万用户的信息,其中29.2万人已被暂停,14.1万人已删除帐户,350万人受到保护,无法抓取。twAwler挖掘所收集的推文,以获得转推、引用、回复和提及图,除了抓取的跟随关系之外,这些图还为分析和进一步研究提供了大量机会。
2018-04-20 cs.IR 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
Social media and mobility landscape: uncovering spatial patterns of urban human mobility with multi source data
在本文中,我们提出了一个三步的方法框架,包括位置识别,偏差修正,样本外验证,以促进人类移动性分析与社会媒体数据。更具体地说,我们提出的方法来确定个人活动的具体地点和通勤模式,在中国北京,基于微博(中国的Twitter)的签到记录,以及修改签到数据的样本偏差与人口合成技术。一项独立的全市旅游物流调查被用作验证结果的基准。从微博用户和调查对象的活动-移动模式中可以看出明显的差异,而两种来源的数据在人口代表性方面存在很大差异。经过偏差修正后,微博数据与调查数据的通勤距离分布相似系数从23%大幅提高到63%。事实证明,合成数据是一种令人满意的具有成本效益的流动信息替代来源。拟议的框架可以为许多与人类流动有关的应用提供信息,从交通到城市规划再到交通排放建模。
2018-08-13 cs.SI physics.soc-ph
Public interest in science or bots? Selective amplification of scientific articles on Twitter
本研究结合 Altmetric、Twitter API 和 Botometer API 数据构建数据集并训练机器学习模型,以 0.70 准确率识别学术文章在 Twitter 上的机器人活动,发现健康与人类科学类文章更易受影响,为该方向研究建立基线。
2024-09-28 cs.CY cs.DL cs.LG
Citizens' Emotion on GST: A Spatio-Temporal Analysis over Twitter Data
人们可能不会近在咫尺,但他们仍然是-凭借社会网络。社交网络在许多方面改变了人们的生活。人们可以在各种平台上表达他们的观点,意见和生活经历,无论是Twitter,Facebook还是任何其他媒体。此类活动包括审查产品或服务、传达对政治玩笑的看法、预测股价或对非货币化或商品及服务税等政府政策提供反馈。这些社交平台可以用来调查公众产生的情感曲线的见解。这种分析可以使产品更好,预测未来的前景,也可以更好地执行公共政策。这种对情感分析的研究正在迅速增加。在这篇研究论文中,我们分别对1,42,508和58,613条推文进行了时间分析和空间分析,这些推文是在2017年7月4日至2017年7月25日的GST实施期间发布的。这些推文是使用Twitter流媒体API收集的。一个著名的词汇,加拿大国家研究委员会(NRC)情感词汇被用于意见挖掘,表现出八种基本情感的混合,即喜悦,信任,预期,惊讶,恐惧悲伤,愤怒,厌恶和两种情感,即积极和消极的6,554个单词。
2019-06-20 cs.IR cs.SI
Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media
本研究利用2020-2021年美国Twitter数据,提出人口统计学调整情绪(SAD)指数以缓解社交媒体分析中的人口偏差,揭示不同群体对COVID-19情绪的时空差异及各州情绪分布。
2023-08-02 cs.CY cs.SI physics.soc-ph
An NLP-Assisted Bayesian Time Series Analysis for Prevalence of Twitter Cyberbullying During the COVID-19 Pandemic
University of Florida(佛罗里达大学)
本文利用NLP模型和贝叶斯时间序列分析,研究新冠疫情期间推特上网络欺凌的 prevalence 及其季节性变化。
2023-03-01 cs.LG cs.SI stat.AP
Dutch General Public Reaction on Governmental COVID-19 Measures and Announcements in Twitter Data
Utrecht University(乌得勒支大学);Netherlands eScience Center(荷兰电子科学中心)
公众情绪(公众表达的意见、态度或感受)是政府关注的一个因素,因为它直接影响政策的执行。鉴于COVID-19危机的性质前所未有,掌握公众对政府措施及公告的最新意见至关重要。虽然“呆在家里”的政策使得面对面的互动和采访具有挑战性,但分析反映公众对政策措施的意见的实时Twitter数据是一种具有成本效益的方式来了解公众情绪。在此背景下,我们自2020年2月荷兰爆发COVID-19疫情起使用Twitter API收集流媒体数据,并追踪荷兰公众对政府措施及公告的反应。我们对过去七个月的推文频率和公众情绪进行了时间分析。我们还确定了公众对两个荷兰政策的态度在案例研究:一个关于社交距离,一个关于戴口罩。通过展示这些初步结果,我们旨在向公众、科学家和政策制定者提供有关COVID-19的社交媒体讨论的可见度。数据汇集和分析将随着时间的推移而更新和扩展。
2020-12-21 cs.CL cs.IR cs.SI
The Half-Life of a Tweet
通过分析 Twitter 新增的 impression_count 歉量,发现推文展示次数在发布后 72 秒达峰,24 小时后95%推文停止传播,中位半衰期约 80 分钟。
2023-04-11 cs.SI
Russo-Ukrainian War: Prediction and explanation of Twitter suspension
University of Crete(克里特大学);Technical University of Crete(克里特技术大学);ICS-FORTH(希腊研究与技术基金会计算机科学研究所)
本研究利用包含1.077亿条推文的数据集,通过文本嵌入和余弦相似度聚类分析被封禁账号内容,并结合SHAP模型解释封禁机制,揭示了利用俄乌冲突进行加密货币诈骗等活动。
2023-12-27 cs.AI cs.LG cs.SI
#DebateNight: The Role and Influence of Socialbots on Twitter During the 1st 2016 U.S. Presidential Debate
人们对“社交机器人”在操纵公众舆论和通过转发党派内容来影响选举结果方面的作用表示严重关切。在这里,我们分析社交机器人在Twitter上的作用和影响,确定它们如何有助于转发扩散。我们收集了2016年第一届美国总统辩论(#DebateNight)期间的大量推文数据集,并从三个角度分析了其150万用户:用户影响力,政治行为(党派和参与)和僵尸。首先,我们定义了一个衡量用户的影响力的基础上,用户的积极贡献信息扩散,即他们的推文和转推。鉴于Twitter不暴露的转发结构-它与原始推文的所有转发-我们模型的潜在扩散结构只使用鸣叫时间和用户功能,我们实现了一个可扩展的新方法来估计所有可能的展开的影响。接下来,我们使用党派标签分析来量化用户的政治极化和参与度。最后,我们使用BotOrNot API来衡量用户的僵尸性(成为机器人的可能性)。我们建立了一个二维的“极化图”,允许对机器人,党派和影响力之间的相互作用进行细致入微的分析。我们发现,社交机器人不仅在Twitter上更活跃-启动更多的转发级联和转发更多-而且它们的影响力是人类的2.5倍,并且更多地参与政治。此外,亲共和党的机器人比亲民主党的机器人更有影响力,也更参与政治。然而,我们警告说,不要笼统地说,设计成人类的软件主宰了政治辩论。我们发现,许多极具影响力的Twitter用户实际上是亲民主党的,而大多数亲共和党的用户是中等影响力的,可能是人类…
2018-05-17 cs.SI
Navigating the Post-API Dilemma | Search Engine Results Pages Present a Biased View of Social Media Data
University of Notre Dame(圣母大学)
本研究针对后API时代社交媒体数据访问缺失问题,通过比较谷歌SERP结果与Reddit、Twitter/X非抽样数据,发现SERP存在热门偏向、内容偏见、情感偏差及主题缺口,得出其并非API可行替代方案的结论。
2024-11-27 cs.CL cs.IR cs.SI
A Deep Multi-View Learning Framework for City Event Extraction from Twitter Data Streams
University of Oxford(牛津大学);University of Surrey(萨里大学)
几个世纪以来,由于其复杂的基础设施,城市一直是公民的繁荣之地。网络-物理-社会系统(CPSS)和上下文感知技术的出现,推动了人们对分析、提取和最终理解城市事件的兴趣,这些事件随后可用于利用公民对城市的观察。在本文中,我们探讨了使用Twitter的文本流提取城市事件的可行性。我们提出了一种层次化的多视图深度学习方法,以将公民对各种城市系统和服务的观察置于情境中。我们的目标是构建一个灵活的架构,可以学习对任务有用的表示,从而避免过多的特定于任务的功能工程。我们将我们的方法应用于真实世界的数据集,包括来自旧金山湾区数据集的四个多月的事件报告和推文以及从伦敦收集的其他数据集。我们的评估结果表明,我们提出的解决方案优于现有的模型,可以用于提取城市相关的事件,平均准确率为81%,在所有类。为了进一步评估我们的Twitter事件提取模型的影响,我们使用了两个授权报告来源,通过从伦敦交通API收集道路交通中断数据,并解析Time Out London网站的社会文化事件。分析显示,49.5%的Twitter流量评论是在官方记录之前大约5小时报告的。此外,我们发现,在预定的社会文化事件主题中,报道交通,文化和社会事件的推文比体育,天气和犯罪主题更有可能影响Twitter评论的分布。
2017-05-28 cs.CL cs.SI
Efficient Sampling for Better OSN Data Provisioning
关于在线社交网络(OSN)的用户和使用的数据已经可以从公共资源(例如,用户简档)、参与OSN(例如,建立关系和记录诸如用户更新之类的事务)和OSN提供商的API(诸如Twitter API)。API使OSN提供商能够将数据发布货币化,同时帮助控制测量负载,例如通过提供具有不同成本粒度权衡的样本。到目前为止,这种方法更适合于发布事务数据,图形数据仍然是通过资源密集型方法(如图形爬行)获得的。在本文中,我们提出了一种方法,OSN提供样本的用户图的可调大小,在非相交的增量,与样本选择,可以加权,以提高准确性时,估计不同的功能的图形。
2016-12-14 cs.DS cs.SI
Sense and Sensibility: Characterizing Social Media Users Regarding the Use of Controversial Terms for COVID-19
随着2019年新型冠状病毒在全球范围内的发展,尽管世卫组织已正式宣布该疾病为COVID-19,但一个有争议的术语-“中国病毒”仍被许多人使用。与此同时,全球网络媒体关于COVID-19相关种族攻击的报道稳步增加,其中大多数是针对中国人或亚洲人的。随着这一流行病变得越来越严重,越来越多的人开始在Twitter等社交媒体平台上谈论它。当他们提到COVID-19时,主要有两种方式:使用“中国病毒”或“武汉病毒”等有争议的术语,或使用“冠状病毒”等无争议的术语。在这项研究中,我们试图描述Twitter用户谁使用有争议的条款和那些谁使用无争议的条款。我们使用Twitter API检索1700万条相关推文及其作者的信息。我们发现这两组Twitter用户在其人口统计数据,用户级别功能(如追随者数量,政治追随状态以及地理位置)之间存在显着差异。此外,我们应用分类模型来预测Twitter用户谁更有可能使用有争议的条款。据我们所知,这是第一个大规模的基于社交媒体的研究,以描述用户在重大危机期间使用有争议的术语。
2020-04-24 cs.SI
Community-Based Fact-Checking on Twitter's Birdwatch Platform
错误信息破坏了社交媒体的公信力,并对现代社会构成重大威胁。作为一种对策,Twitter最近推出了“观鸟”,这是一种社区驱动的方法,用于解决Twitter上的错误信息。在Birdwatch上,用户可以识别他们认为具有误导性的推文,写下提供推文背景的注释,并对其他用户的注释质量进行评级。在这项工作中,我们经验分析用户如何与这个新功能进行交互。为此,我们收集了2021年初推出该功能至2021年7月底期间的{所有}观鸟笔记和评级。然后,我们使用Twitter的历史API将每个Birdwatch笔记映射到经过事实检查的tweet。此外,我们使用文本挖掘方法从观鸟笔记中的文本解释中提取内容特征(例如,情绪)。我们的实证分析产生了以下主要结果:(i)用户更频繁地文件观鸟笔记误导比不误导推文。这些误导性的推文主要是因为事实错误,缺乏重要的上下文,或者因为他们将未经证实的说法视为事实。(ii)如果观鸟笔记链接到值得信赖的来源,如果它们嵌入了更积极的情绪,那么它们对其他用户更有帮助。(iii)源推文作者的社会影响力与用户共识水平的差异有关。对于有很多追随者的有影响力的用户来说,Birdwatch笔记在用户中产生的共识水平较低,社区创建的事实检查更有可能被视为不正确和有争议的。总而言之,我们的研究结果可以帮助社交媒体平台为用户制定如何编写更有用的事实检查的指导方针。与此同时,我们的分析表明,基于社区的事…
2021-12-14 cs.CY cs.SI
Automatic Query Optimization for Retrieving Traffic Tweets
与许多社交媒体和数据经纪公司一样,Twitter通过搜索API(应用程序编程接口)提供数据。除了按日期和位置过滤结果外,研究人员还可以使用布尔文本查询来搜索具有特定内容的推文,使用{ \it AND}、{ \it OR}和{ \it NOT}运算符来选择必须或不得出现在匹配推文中的短语组合。这种布尔文本搜索系统并不是Twitter独有的,它在许多不同的环境中都可以找到,包括学术,法律和医疗数据库,但是由于推文的相对数量和简短性,它在Twitter的用例中被扩展到了极限。此外,在20世纪80年代和90年代期间,在信息检索的主题下,对这种系统的半自动化使用进行了很好的研究,然而,从那时起,对这种系统的研究已经大大下降。因此,我们提出了更新的方法,自动选择和完善复杂的布尔搜索查询,可以隔离相关的结果具有更大的特异性和完整性。此外,我们提出了初步的结果,使用优化的查询收集样本的交通事故相关的推文,以及手动分类和分析它们的结果。
2020-06-21 cs.IR cs.SI
A Herd of Young Mastodonts: the User-Centered Footprints of Newcomers After Twitter Acquisition
本研究分析了Twitter收购后大量用户迁移至Mastodon的社交结构微观特性,发现其用户交互模式符合Dunbar's Ego Network模型,展示了社交网络形成初期的明显迹象,证明Mastodon可作为研究人类社交行为的开放大数据显微镜。
2024-12-20 cs.SI
ABOME: A Multi-platform Data Repository of Artificially Boosted Online Media Entities
网络媒体的兴起促使用户采取各种不道德和人为的方式来获得社会增长,以在短时间内提高他们的可信度。在本文中,我们介绍ABOME,一种新型的多平台数据存储库,由人工推动(也称为黑市驱动的串通实体)在线媒体实体组成,如Twitter推文/用户和YouTube视频/频道,这些实体在在线媒体中普遍存在,但往往不被注意。ABOME允许跨平台快速查询共谋实体。其中包括参与黑市服务的串通实体的详细信息,以获得以喜欢,转发,观点,评论,关注和订阅形式人为提高的评价。ABOME包含与Twitter、YouTube视频和YouTube频道上的推文和用户相关的数据。我们相信ABOME是一个独特的数据存储库,可用作识别和分析在线媒体中由黑市驱动的欺诈活动的基准。我们还开发了SearchBM,一个API和一个门户网站,提供免费的服务来识别黑市实体。
2021-03-29 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
COVIDHealth: A Benchmark Twitter Dataset and Machine Learning based Web Application for Classifying COVID-19 Discussions
Chittagong University of Engineering and Technology(吉大港工程技术大学);St. Francis Xavier University(圣弗朗西斯泽维尔大学);Charles Sturt University(查尔斯斯特大学)
针对COVID-19大流行期间社交媒体讨论的分类需求,本研究构建了含6667条推文的基准数据集COVIDHealth,开发了基于机器学习的Web应用,通过传统算法(如Linear SVC)和深度学习算法(如CNN)实现分类,为公共卫生分析提供工具与资源。
2024-02-15 cs.LG cs.SI
Not Judging a User by Their Cover: Understanding Harm in Multi-Modal Processing within Social Media Research
社交媒体已经动摇了我们社会的基础,尽管看起来不太可能。然而,许多用于缓和有害数字内容的流行工具受到学术界和公共领域的广泛批评,因为它们的性能中等,缺乏问责制。尽管社交媒体研究被认为主要集中在自然语言处理上,但我们证明了社区了解多媒体处理及其独特道德考虑的必要性。具体来说,我们确定了在提供不同形式的信息时Amazon Turk(MTurk)注释器性能的统计差异,并讨论了众包人类人口统计预测所产生的伤害模式。最后,我们讨论了这些偏见的后果,通过审计的毒性检测器的性能称为透视API的Twitter用户的语言在各种人口统计类别。
2020-10-19 cs.SI
Social media emotion macroscopes reflect emotional experiences in society at large
社交媒体产生大规模和长时间的人类行为数据,是社会科学传统方法的补充。来自社交媒体的数百万条文本可以通过计算方法进行处理,以研究随着时间的推移和跨地区的情绪。然而,最近的研究表明,在个人层面上,社交媒体情绪和情感问卷之间的相关性较弱,在人群层面上,社交媒体情绪的静态区域聚集与主观幸福感之间的相关性较弱,这对社交媒体数据研究情绪的有效性提出了质疑。然而,到目前为止,还没有研究测试社交媒体情感宏观尺度的有效性,以跟踪整个社会层面的情感的时间演变。在这里,我们提出了一个预先注册的预测研究,显示如何性别重新缩放的时间序列的Twitter的情绪表达在国家一级实质上与聚合的自我报告的情绪在英国每周的代表性调查。后续的探索性分析显示,在充满情感的推文中,第三人称引用的流行率很高,这表明社交媒体数据提供了一种社交感知他人情绪的方式,而不仅仅是用户的情感体验。这些结果表明,尽管社交媒体在代表性和算法混淆方面存在问题,但将高级文本分析方法与社交媒体情感宏观领域的用户人口统计信息相结合,可以提供超越社交媒体用户的一般人群的信息。
2021-07-28 cs.CY cs.SI
A Big Data Analytics System for Predicting Suicidal Ideation in Real-Time Based on Social Media Streaming Data
Dams and Water Resources Research Center, University of Mosul(摩苏尔大学大坝与水资源研究中心);Yildiz Technical University(伊兹密尔技术大学);Centre for Industrial Software, University of Southern Denmark(南丹麦大学工业软件中心)
提出基于大数据架构的社交媒体自杀意念实时预测系统,采用批处理和流式两阶段方法,结合多种特征提取与Spark ML分类器,最优模型准确率达93.47%。
2024-03-19 cs.CL cs.LG cs.SI