Seeking Help, Facing Harm: Auditing TikTok's Mental Health Recommendations
OASIS Lab, University of California, Los Angeles (UCLA), USA（加州大学洛杉矶分校 OASIS 实验室）
研究分析TikTok心理健康内容推荐机制，发现用户互动行为主导曝光结果，帮助导向搜索产生更多支持性内容，但有害内容仍存在。
2026-04-16 cs.CY cs.SI
"Law at Your Fingertips": Understanding Legal Information Seeking on Video-Sharing Platforms in China
City University of Hong Kong（香港城市大学）；Xi’an Jiaotong University（西安交通大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Maryland（马里兰大学）；George Mason University（乔治梅森大学）
研究探讨了中国用户在视频分享平台上获取法律信息的行为与挑战，分析了平台特性如何缓解用户的认知不适并满足情感需求，提出平衡启发式与系统性处理以促进信息验证的设计建议。
2026-03-27 cs.CY cs.HC cs.SI
Digital Voices of Survival: From Social Media Disclosures to Support Provisions for Domestic Violence Victims
Fairfield University（fairfield大学）；UNC Charlotte（北卡罗来纳大学教堂山分校）
本文提出了一种新的计算框架，用于建模家庭暴力支持寻求行为及社区支持机制，通过自披露检测、帖子聚类、主题摘要和支持提取与映射四个关键组件，提升对家庭暴力在线支持的理解并推动以受害者为中心的数字干预。
2026-05-19 cs.AI cs.CY cs.IR
Bursts of Activity: Temporal Patterns of Help-Seeking and Support in Online Mental Health Forums
近年来，社交媒体平台的兴起为患有精神疾病的个人提供了点对点的支持。对这些平台的影响的研究集中在单岗位线程的短期规模，或在任意时间段（数月或数年）的长期变化。虽然重要，但这种任意的时间段不一定跟随用户经历痛苦的急性期的进展。使用来自心理健康平台Talklife的数据，我们发现用户活动遵循高活动期与无活动期交错的独特模式，并提出了一种用于识别此类活动突发和中断的方法。然后，我们展示了如何在爆发期间研究活动可以为在线心理健康社区的一个关键问题提供个性化的中期分析：用户活动的哪些特征导致一些用户找到支持和帮助，而其他人则达不到？使用两个独立的结果指标，认知变化的时刻和自我报告的情绪变化在一个突发的活动，我们确定了两个可操作的功能，可以改善用户的结果：持久性内突发，并给予复杂的情感支持他人。我们的研究结果表明，在网上精神健康社区的心理社会变化的自然分析单位考虑突发的价值。
2020-04-21 cs.CY cs.SI
Integrating Zero-Shot Classification to Advance Long COVID Literature: A Systematic Social Media-Centered Review
本文提出基于transformer的零样本学习方法对Long COVID社交媒体研究文献进行四分类，系统综述了计算技术在揭示患者叙事及辅助临床与政策制定方面的作用。
2024-12-25 cs.SI
Food as Soft Power: Taiwanese Gastrodiplomacy on Social Media and Algorithmic Suppression
本研究以Instagram上的珍珠奶茶相关内容为对象，分析台湾美食外交的数字化表现，发现其存在算法压制问题，为相关国家和研究者提供了数字软实力与算法影响的关键见解。
2025-11-12 cs.SI
Learning from various labeling strategies for suicide-related messages on social media: An experimental study
Rochester Institute of Technology（罗切斯特理工学院）；The University of Hong Kong（香港大学）；University of Rochester Medical Center（罗切斯特大学医学中心）
自杀是一个重要但经常被误解的问题，研究人员现在正试图通过社交媒体更好地了解这个问题。在很大程度上，由于自杀风险的模糊性，大多数用于学习自动检测社交媒体中自杀相关活动的监督方法都需要大量的人力训练。然而，人类本身对什么构成自杀想法有不同或相互冲突的观点。因此，如何获得可靠的黄金标准标签从根本上来说是一个挑战，我们假设，这在很大程度上取决于对注释者的要求以及他们标记的数据片段。我们进行了多轮数据标记，并从众包工作人员和领域专家那里收集了注释。我们以各种方式聚合产生的标签，以训练一系列监督模型。我们的初步评估表明，使用一致同意的标签，从多个注释器是有帮助的，以实现强大的机器模型。
2017-01-30 cs.CY cs.LG cs.SI
Online Networks of Support in Distressed Environments: Solidarity and Mobilization during the Russian Invasion of Ukraine
本研究分析俄乌冲突期间四大社交媒体及支持网站的6800万条帖子，探究在线支持网络的模式与互联性，揭示众包、众筹平台的动员作用，凸显社交媒体草根动员助力困境中在线支持的价值。
2023-10-04 cs.SI
Social Media, Money, and Politics: Campaign Finance in the 2016 US Congressional Cycle
随着社交媒体在公民和政治人物中的渗透不断加深，迫切需要了解主要平台的政治使用是否以及如何对选举产生影响。特别是，关注竞选使用的文献很少，并且通常描述政客的参与策略或试图量化社交媒体参与对政治学习、参与或投票的影响。尽管竞选筹款在美国政治中的重要性是公认的，但很少有人考虑过竞选筹款的影响。这篇论文是第一篇量化社交媒体竞选活动财务回报的论文。利用来自Facebook和Twitter、Google趋势、维基百科页面浏览量和联邦选举委员会（FEC）捐款记录的候选人数据，我们分析了2016年美国参议院大选中所有108名候选人的社交媒体内容主题和数量与竞选资金之间的关系。通过应用无监督学习方法来识别跨平台候选人内容中的主题，我们发现，在控制在职人员，州人口和候选人信息搜索时，整体和与问题相关的内容的更频繁发布与更高的捐赠收入相关，尽管考虑捐赠数量而不是价值时，与捐赠相关的内容比后者具有更强的影响。
2017-11-28 cs.CY cs.SI physics.soc-ph
Nash Equilibrium in Social Media
University of Toronto（多伦多大学）
研究社交媒体网络中纳什均衡寻求算法的应用，通过通信图共享信息以优化个体成本与收益。
2017-03-27 cs.GT cs.SI cs.SY
Tweet Analysis for Enhancement of COVID-19 Epidemic Simulation: A Case Study in Japan
该研究以日本 Twitter 数据为对象，分析社交媒体反应与 COVID-19 疫情发展的关联，并验证疫情相关推文对疫情趋势预测和模拟增强的价值。
2021-10-29 cs.SI physics.soc-ph
Revealing the Global Linguistic and Geographical Disparities of Public Awareness to Covid-19 Outbreak through Social Media
新型冠状病毒疫情对全球公共卫生构成前所未有的挑战。然而，不同国家的居民在疫情爆发期间表现出不同程度的Covid-19意识，并受到不均衡的健康影响。这项研究分析了2020年1月1日至6月30日的全球Twitter数据，试图回答两个研究问题。社交媒体上反映的新冠肺炎疫情期间公众意识的语言和地理差异是什么？不断变化的流行病意识能否预测COVID-19疫情？我们建立了一个Twitter数据挖掘框架，通过计算Ratio指数来量化和跟踪用户的认知度。在全球和国家两级审查了认识与健康影响之间的滞后关系。结果显示，对新冠肺炎认知度最高的用户主要是那些用印度和孟加拉国官方语言发推文的用户。亚洲国家在认识方面的差距比欧洲国家更大，东欧的认识高于中欧。最后，比率指数可以准确预测全球死亡率、全球病死率和国家水平死亡率，分别领先21-30天、35-42天和17天。这项研究及时深入了解了社交媒体在公共卫生研究中的人类行为。
2021-11-09 cs.SI physics.soc-ph
Unveiling Political Influence Through Social Media: Network and Causal Dynamics in the 2022 French Presidential Election
本文基于2022年法国总统选举期间的Twitter数据，运用收敛交叉映射因果推断方法分析政党间的方向性影响，揭示健康与外交政策等议题在选举关键阶段如何催化跨党派影响，为竞选策略和媒体分析提供新框架。
2025-06-19 cs.CY cs.SI physics.soc-ph
Examining the Role of Mood Patterns in Predicting Self-Reported Depressive symptoms
The University of Edinburgh（爱丁堡大学）
抑郁症是全球残疾的主要原因。从社交媒体帖子中检测抑郁信号的初步努力已经显示出有希望的结果。鉴于高内部效度，这些分析的结果可能有利于临床判断。现有的抑郁症状自动检测模型从社交媒体数据中学习代理诊断信号，例如心理健康或药物名称的求助行为。然而，在现实中，抑郁症患者通常会经历抑郁情绪，几乎在所有活动中失去乐趣，感到无助或内疚，以及思考能力下降。因此，这些模型中使用的许多代理信号缺乏抑郁症状的理论基础。另据报道，临床环境中许多患者的社交媒体帖子不包含这些信号。基于这一研究空白，我们建议监测一种类型的信号，这是公认的一类症状的情感障碍-情绪。情绪是一种可以持续数小时、数天甚至数周的感觉体验。在这项工作中，我们试图通过构建社交媒体用户的“情绪档案”来丰富当前检测潜在抑郁症症状的技术。
2020-06-14 cs.CL cs.SI
Hashtag Re-Appropriation for Audience Control on Recommendation-Driven Social Media Xiaohongshu (rednote)
研究探讨了小红书女性创作者如何通过重新挪用标签来屏蔽特定受众，从而在推荐驱动的平台中重新掌握内容分发的能动性，为算法权力结构下的自我治理提供见解。
2025-03-04 cs.CY cs.HC cs.IR
A Survey on Echo Chambers on Social Media: Description, Detection and Mitigation
Arizona State University（亚利桑那州立大学）
社交媒体上的回音室是一个严重的问题，可能会引发一些负面后果，最近影响到对COVID-19的应对。回音室宣扬关于病毒的阴谋论，并被发现与疫苗犹豫、较少遵守口罩规定以及社交距离的做法有关。此外，回音室问题与政治两极化和错误信息传播等其他相关问题有关。回音室被定义为一个用户网络，在这个网络中，用户只与支持他们先前存在的信念和观点的观点进行交互，他们排除和诋毁其他观点。这项调查旨在从社会计算的角度研究社交媒体上的回音室现象，并为可能的解决方案提供蓝图。我们调查了相关文献，以了解回声室的属性，以及它们如何影响个人和社会。此外，我们显示的机制，算法和心理，导致回声室的形成。这些机制可以表现为两种形式：（1）社交媒体推荐系统的偏见和（2）内部偏见，如确认偏见和同质性。虽然减轻内部偏见是非常具有挑战性的，但已经做出了很大的努力来寻求减轻推荐系统的偏见。这些推荐系统利用我们自己的偏见来个性化内容推荐，让我们参与进来，以便观看更多的广告。因此，我们进一步研究了不同的计算方法回声室检测和预防，主要是基于推荐系统。
2021-12-09 cs.LG cs.SI
Going Negative Online? -- A Study of Negative Advertising on Social Media
越来越多的实证研究表明，负面广告在竞选活动中是有效的，但其作用机制却很少被提及。随着剑桥分析公司丑闻和俄罗斯干预英国脱欧和2016年总统大选，人们已经意识到社交媒体上的政治广告，并向国会施压，要求限制社交媒体上的政治广告。在相关立法之后，社交媒体公司开始在2018年夏季中期选举活动刚刚开始时披露其政治广告档案。本研究收集了8月以来美国中期选举背景下的相关政治广告数据，研究了社交媒体上政治广告的总体模式，并使用一套机器学习方法对这些广告进行情感分析，以分类负面广告。应用一种新的方法，使用AI图像识别来研究图像数据。通过数据可视化，本研究表明，负面广告仍然是少数，共和党广告主和第三方组织比他们的同行更有可能从事负面广告。基于有序回归分析，本研究发现，愤怒诱发的信息寻求是导致负面广告更吸引人和更有效的主要机制之一，而不是负面偏见理论。总的来说，这项研究通过应用创新的数据科学方法，提供了对社交媒体上政治广告的独特理解。进一步的研究可以扩展本研究的发现、方法和数据，并对未来的研究提出了几点建议。
2019-10-14 cs.SI stat.AP stat.CO
Social Media Brand Engagement as a Proxy for E-commerce Activities: A Case Study of Sina Weibo and JD
电子商业平台促进产品销售，而产品供应商参与社交媒体活动（SMA）以推动消费者的电子商业平台活动（EPA），吸引他们搜索、浏览和购买产品。SMA的频率和时间预计会影响EPA的水平，增加品牌相关查询，点击和购买订单的数量。本文采用横截面数据分析，以探索这样的信念，并证明弱至中度之间的相关性，每日SMA和EPA量。进一步的相关性分析，使用30天的滚动窗口，显示了高变异性的SMA-EPA对的相关性，并质疑SMA相对于EPA的预测潜力。考虑到所选择的SMA和EPA对的适度相关性（例如，后订单），我们调查是否SMA功能可以预测EPA水平的变化，而不是精确的EPA每日量。我们根据训练数据上的EPA分布分位数（2、3和5级）来定义这些级别。我们将EPA分位数预测制定为多类分类问题。使用随机森林和逻辑回归的实验显示了不同的成功，对于购买订单的最高分位数以及搜索和点击活动的最低分位数，表现优于随机。当预测多日累积EPA水平（1、3和7天）时，获得类似的结果。我们的研究结果具有相当大的实际意义，但最重要的是，敦促共同的信念进行重新审查，寻求更有力的证据SMA对EPA的影响。
2018-10-13 cs.CY cs.SI
Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study
Bredesen Center for Interdisciplinary Research and Graduate Education, University of Tennessee at Knoxville（田纳西大学诺克斯维尔分校布雷德森跨学科研究与研究生教育中心）；Center for Biomedical Informatics, Department of Pediatrics, College of Medicine, University of Tennessee Health Science Center（田纳西大学健康科学中心医学院儿科系生物医学信息学中心）；Hubert Department of Global Health, Rollins School of Public Health, Emory University（埃默里大学罗林斯公共卫生学院休伯特全球卫生系）
这项研究调查并比较了2020年1月1日至2022年3月1日期间在Reddit和Twitter两个流行社交媒体平台上表达的与COVID-19疫苗相关的公众情绪。为了完成这项任务，我们创建了一个微调的DistilRoBERTA模型来预测大约950万条推文和7万条Reddit评论的情绪。为了微调我们的模型，我们的团队手动标记了3600条推文的情绪，然后通过反向翻译的方法增强了我们的数据集。然后，使用Python和Huggingface情感分析管道，使用我们的微调模型对每个社交媒体平台的文本情感进行分类。我们的研究结果表明，Twitter上表达的平均情绪是消极的（52%是积极的）而不是积极的，Reddit上表达的情绪是积极的而不是消极的（53%是积极的）。尽管发现这些社交媒体平台的平均情绪各不相同，但两者都表现出与疫情期间疫苗相关关键发展中的情绪相关的类似行为。考虑到在社交媒体平台上表现出的这种类似的情绪趋势，Twitter和Reddit仍然是公共卫生官员可以利用的宝贵数据来源，以加强疫苗信心和打击错误信息。由于错误信息的传播造成了一系列心理和社会心理风险（焦虑、恐惧等），迫切需要了解公众对共同谎言的看法和态度。针对人口表达的情绪，促进数字扫盲，健康信息寻求行为和精准健康促进的全面教育提供系统可以帮助澄清这些错误信息。
2022-10-17 cs.CL cs.SI
Systematic Classification of Studies Investigating Social Media Conversations about Long COVID Using a Novel Zero-Shot Transformer Framework
South Dakota School of Mines and Technology（南达科他矿业理工学院）
本文提出基于 Transformer 的零样本分类框架，将长新冠社交媒体研究分为四类，并以置信度结果验证其无需训练数据即可快速、可扩展梳理文献的能力。
2025-03-14 cs.CY cs.LG cs.SI
Effect of recommending users and opinions on the network connectivity and idea generation process
本研究探讨推荐系统如何影响用户行为特质、网络连通性及新想法生成的多样性，揭示设计平衡探索与偏见风险的挑战与机遇。
2024-05-22 cs.CY cs.SI
SocialRec: User Activity Based Post Weighted Dynamic Personalized Post Recommendation System in Social Media
School of Computing（计算机学院）；Southern Illinois University Carbondale（南伊利诺伊大学卡本代尔分校）
本文提出SocialRec推荐系统，通过整合用户历史、参与度和个人画像评估推荐得分，采用混合方法解决新用户冷启动问题，并在NeuMF模型上取得HR 0.80和NDCG 0.6的最高成绩。
2024-07-13 cs.IR cs.LG cs.SI
Proposing a conceptual framework: social media listening for public health behavior
University of Waterloo（滑铁卢大学）；School of Public Health Sciences, Faculty of Health（健康学院公共卫生科学学院）
针对公共卫生错误信息研究缺乏专用框架的问题，本研究综合现有传播与行为理论，提出了基于社交媒体倾听的概念框架，并演示了其在理解公共话语中的应用。
2023-07-30 cs.CL cs.CY cs.SI
Reading Anxiety or Reading the Label? Comparing Fine-Tuned and Frontier Models for Anxiety Detection on Social Media
本研究比较了六种模型在Reddit焦虑检测任务上的表现，发现前沿模型F1最高（0.846），但110M参数微调编码器接近（0.831）且无API依赖；同时揭示关键词匹配混淆，微调模型词汇依赖性更高，已发表结果实为上限。
2026-09-21 cs.CL cs.SI
Information Sources and Needs in the Obesity and Diabetes Twitter Discourse
肥胖和糖尿病的流行分别影响着美国三分之一和十分之一的人口，引起了美国及其机构的关注。社交媒体为个人和健康组织之间的交流提供了一个开放的论坛，一个很容易被寻求从中获利的各方加入的论坛。在本文中，我们检查了150万条提到肥胖和糖尿病的推文，以评估（1）在这种对话中传播的信息的质量，对被引用最多的领域的分析表明，非政府或学术机构的健康信息源占41%，在肥胖症和50%糖尿病样本中，包含这些域名的推文比包含信誉良好的来源的域名的推文被转发得更多。在用户方面，我们估计超过四分之一的非信息性肥胖话语包含脂肪羞辱-羞辱和批评超重个体的做法-一些自我导向的作者自己。我们还发现，在这些数据集中提出的问题存在很大的多样性，包括肥胖作为一种疾病的定义、社会规范和政府政策。我们的研究结果表明，需要解决社交媒体上的健康信息的质量控制，以及需要参与围绕这些疾病的主题多样化，心理充电的话语。
2018-04-09 cs.CY cs.SI
Safe Spaces or Toxic Places? Content Moderation and Social Dynamics of Online Eating Disorder Communities
本研究比较分析了Twitter/X、Reddit和TikTok上进食障碍讨论的内容审核与用户参与，发现审核较弱的平台易形成放大支持厌食症言论的有毒回音室，揭示了审核策略对心理健康在线社区发展的显著影响。
2024-12-20 cs.CY cs.HC cs.SI
