Fusing location and text features for sentiment classification
地理标记的Twitter数据最近被用来推断社交媒体人性化方面的见解。在最近的研究中，人们已经从带有地理标签的twitter数据中挖掘出了与人口统计、文化活动的空间分布、人类的时空旅行轨迹以及幸福感相关的见解。到目前为止，还没有太多的研究已经做了一个推文的地理定位功能对其情绪的影响。这一观察启发了我们提出使用地理位置特征作为执行情感分类的方法。在该方法中，通过将地理位置特征和独热编码词向量连接起来作为卷积神经网络（CNN）和长短期记忆（LSTM）网络的输入来执行地理标记推文的情感分类。以地理位置特征的形式添加与语言无关的特征有助于丰富推文表示，以对抗短推文消息的稀疏性。所取得的结果表明，与单独使用词向量进行情感分类相比，将地理位置特征连接到独热编码词向量可以实现更高的准确性。
2019-07-28 cs.CL cs.IR cs.SI
Geotagged tweets to inform a spatial interaction model: a case study of museums
本文以英国约克郡的博物馆为例，探讨了社交媒体中自愿提供的地理信息对地理行为模式的影响。从179个行政区的15个博物馆的游客的空间互动模型来测试这种潜力。主要输入数据集包括使用Twitter流应用程序编程接口（API）收集的地理标记消息，过滤，分析和聚合，以便与模型的输出进行直接比较。模型输出和推文信息之间的比较允许校准模型参数，以优化从推文推断的博物馆流量与空间相互作用模型生成的流量矩阵之间的拟合。我们的结论是，来自社交媒体网站的自愿地理信息具有很大的潜力，为地理行为模型提供信息，特别是如果地理标记的社交媒体消息的数量继续增加。然而，我们警告说，来自社交媒体的自愿地理信息有一些重大的局限性，因此只应用作更一致的数据来源的补充，或者在官方数据集不可用时使用。
2014-03-20 cs.CY cs.SI stat.ME
Infringement of Tweets Geo-Location Privacy: an approach based on Graph Convolutional Neural Networks
在线社交网络（OSN）的巨大普及引起了人们对社交媒体平台中用户隐私的自然关注。尽管OSN中的用户可以通过故意决定分享什么来调整他们的隐私，但与社交网络中的其他个人的交互可能会暴露并最终泄露敏感信息。在所有可共享的个人数据中，地理位置尤其有趣。一方面，用户倾向于认为他们的当前位置是一个非常敏感信息，避免分享它的大部分时间。另一方面，服务提供商有兴趣提取和利用地理标记的数据，以提供定制的服务。在这项工作中，我们考虑的问题，推断当前位置的用户只利用现有的信息，其他社会联系人在OSN。为此，我们采用基于图的深度学习架构来学习在所考虑的时间段内用户的已知和未知地理位置之间的模型。作为一个研究案例，我们考虑Twitter，其中用户生成内容（即，tweet）可以嵌入用户的当前位置。我们的实验验证了我们的方法，并进一步证实了OSN中的数据隐私相关的问题。结果表明存在临界质量现象，即，如果至少有10%的用户提供了带有地理标签的推文，那么所有剩余用户的隐私都将面临严重风险。事实上，我们的方法能够定位近50%的推文，精度低于1公里，只依赖于一小部分可用信息。
2019-03-27 cs.SI
QT2S: A System for Monitoring Road Traffic via Fine Grounding of Tweets
社交媒体平台提供对用户生成的内容的持续访问，这使得能够实时监控用户行为和事件。这种用户行为和事件的地理维度最近在几个领域引起了很多关注：移动性，人道主义或基础设施。虽然解析用户的位置可以是直接的，但取决于他们的设备和/或他们正在使用的应用的示能表示，在大多数情况下，定位用户需要更大的努力，例如利用文本特征。例如，在Twitter上，只有2%的推文是地理参考的。在本文中，我们提出了一种用于短消息（例如，tweets）。该系统结合了不同的自然语言处理和机器学习技术，以增加基于地理信息的推文数量，这对灾难响应和实时交通监控等许多应用至关重要。
2017-03-13 cs.SI
GeoCMS : Towards a Geo-Tagged Media Management System
在本文中，我们提出了新的地理标记媒体管理系统的设计和实现。由用户的智能手机、移动终端、仪表盘摄像头和摄像头生成的大量日常地理标记媒体数据。地理标记的媒体，如地理视频和照片，可以与时空信息，如时间，位置，可见区域，相机方向，移动方向和可见距离信息捕获。随着地理标记多媒体数据的不断增加，对地理标记多媒体数据的有效管理和挖掘成为数据库和数据采掘的一个新的研究领域。本文提出了一个地理标记的媒体管理系统，所谓的开放GeoCMS（地理标记的媒体内容管理系统）。Open GeoCMS是一个新的框架，用于管理网络上的地理标记媒体数据。我们的框架支持各种类型的移动点，移动照片-由无人机，移动双和移动视频的照片序列。此外，GeoCMS有标签查看器和编辑器系统的照片和视频。Open GeoCMS是一个开源系统。
2020-01-10 cs.DB cs.SI
City-level Geolocation of Tweets for Real-time Visual Analytics
University of Colorado（科罗拉多大学）；Purdue University（普渡大学）
实时的【形】推文可以提供有关不断变化的事件和情况的有用信息。带有地理标签的推文特别有用，因为它们表明了来源位置并提供了地理背景。然而，只有一小部分推文是地理标记的，限制了它们在态势感知方面的使用。在本文中，我们调整、改进和评估了一个用于城市级地理位置预测的最先进的深度学习模型，并将其与一个为实时的【形】态势感知量身定制的可视化分析系统相集成。我们提供了计算评估，以证明我们的地理位置预测模型在交互式系统中的优越性和实用性。
2019-10-05 cs.LG cs.SI
A Computational Framework for Multi-Modal Social Action Identification
Princeton University（普林斯顿大学）；University of Georgia（佐治亚大学）；Drexel University（德雷塞尔大学）
我们创建了一个计算框架来理解社会行动，并展示了如何使用这个框架来构建一个开源事件检测工具，该工具具有可扩展的统计机器学习算法和来自世界各地的超过6亿条地理标记推文的子采样数据库。这些推文是在2014年4月1日至2015年4月30日之间收集的，最引人注目的是当黑人生命物质运动开始时。我们展示了这些方法如何被研究人员、政府官员和公众诊断性地用于理解在非常细粒度的时间和地理层面上的和平与暴力集体行动。
2017-10-24 cs.CL cs.CY cs.SI
Real-time Road Traffic Information Detection Through Social Media
Georgia Institute of Technology（佐治亚理工学院）
在目前的研究中，提出了一种机制，从互联网上的文本数据中提取交通相关的信息，如拥塞和事件。目前的数据来源是Twitter。由于所考虑的数据在大小上非常大，因此开发了自动化模型以实时的【形】流式传输、下载和挖掘数据。此外，如果任何推文都有与流量相关的信息，那么模型应该能够推断和提取这些数据。目前，该数据仅针对美国收集，共提取了120，000条地理标记的交通相关推文，同时检索了600万条地理标记的非交通相关推文，并训练了分类模型。此外，这些数据还用于各种空间和时间分析。提出了一种计算美国城市交通拥堵、安全和交通感知水平的机制。交通拥堵和安全的各个城市地区的排名，然后他们与现有的广泛采用的排名进行统计验证。交通感知描述了人们对交通的态度和感知。还可以看出，交通相关数据在空间和时间上可视化时提供了与各个城市区域的实际交通流量相同的模式。当在城市级别可视化时，可以清楚地看到推文的流动类似于车辆的流动，并且与交通相关的推文代表城市内的交通。与所有的研究结果在当前的研究中，它表明，大量的交通相关的信息可以从Twitter和互联网上的其他来源提取。此外，Twitter和这些数据源是免费提供的，不受空间和时间限制。也就是说，哪里有用户，哪里就有数据的潜力。
2018-01-16 cs.AI cs.CL cs.CY
Multi-class Twitter Data Categorization and Geocoding with a Novel Computing Framework
这项研究详细介绍了交通数据分析的进展与一种新的计算框架，以保持与计算技术的不断发展。计算框架结合了标记潜在狄利克雷分配（L-LDA）纳入支持向量机（SVM）分类器与支持计算策略上公开可用的Twitter数据，在确定交通相关的事件，提供可靠的信息，旅客。分析方法包括使用文本分类和基于字符串相似性的地理编码位置来分析推文。为纽约市及其周边地区进行的案例研究表明了分析方法的可行性。分析了大约700，010条推文，以提取一周的相关交通信息。SVM分类器在从结构化数据中识别与交通相关的推文方面达到了85%以上的准确率。为了进一步将交通相关推文分类为子类：事故、拥堵、施工、特殊事件和其他事件，使用了三种监督分类器：L-LDA、SVM和L-LDA合并SVM。这项研究的结果表明，使用L-LDA结合SVM的分析框架可以对Twitter中与道路运输相关的数据进行分类，准确率超过98.3%，这明显高于独立L-LDA和SVM所达到的准确率。
2019-08-28 cs.SI
The Predictive Power of Social Media: On the Predictability of U.S. Presidential Elections using Twitter
Twitter作为一种新的社交媒体形式，可能包含有用的信息，为推文内容分析提供了新的机会。本文研究了Twitter对2012年美国总统大选的预测能力。在这项研究中，我们通过结合使用机器学习技术分析了3200万条关于美国总统大选的推文。为了提高Twitter内容分析的准确性，我们设计了一个用于情感分析的高级分类器。我们通过将Twitter结果与传统民意调查进行比较来进行分析。此外，我们使用潜在的Dirichlet分配模型，从选定的推文中提取潜在的主题结构。我们的研究结果表明，我们可以通过运行情感分析来确定候选人的受欢迎程度。我们还可以通过对带有地理标签的推文运行情感分析算法来发现候选人在美国各州的受欢迎程度。据我们所知，没有以前的工作在该领域提出了一个系统的分析相当数量的推文采用的分析技术相结合，我们进行了这项研究。因此，我们的研究结果恰当地表明，Twitter作为一个众所周知的社交媒体是预测未来事件（如选举）的有效来源。这意味着，通过社交媒体了解公众意见和趋势反过来又使我们能够提出一种具有成本效益和时间效益的方式，不仅用于传播和分享信息，而且用于预测未来事件。
2014-07-01 cs.CY cs.SI physics.soc-ph
Modeling Implicit Communities using Spatio-Temporal Point Processes from Geo-tagged Event Traces
用户通过Foursquare、Twitter和Facebook Places等各种基于位置的服务进行位置签到，生成大量的地理标记事件的痕迹。这些事件痕迹通常表现在具有相似兴趣的用户的隐藏（可能重叠）社区中。推断这些隐式社区对于形成用户简档以改进推荐和预测任务至关重要。如果只给出用户的时间戳和地理标记，我们能找出这些隐含的社区和潜在影响网络的特征吗？我们可以使用这个网络来改进下一个位置预测任务吗？在本文中，我们专注于社区发现的问题，以及捕捉潜在的扩散过程，并提出了一个模型COLAB的时空点过程的基础上，在连续的时间，但离散空间的位置，同时模型的隐式社区的用户的基础上，他们的签到活动，而不利用他们的社会网络连接。COLAB捕捉语义特征的位置，用户对用户的影响，以及空间和时间的偏好的用户。为了学习潜在社区的用户和模型参数，我们提出了一种基于随机变分推理的算法。据我们所知，这是第一次尝试联合建模的扩散过程与活动驱动的隐式社区。我们证明，与最近基于深度点过程的方法相比，COLAB在位置预测任务方面实现了高达27%的改进，这些方法用于从Foursquare签到收集的地理标记事件轨迹。
2020-06-13 cs.SI physics.soc-ph
Understanding collective human movement dynamics during large-scale events using big geosocial data analytics
随着信息和通信技术的快速发展，许多研究人员采用私人数据供应商的替代数据源来研究大规模自然或社会事件中的人体运动动力学。大的地理社会数据，如地理参考推文，是公开的，并随着现实世界事件的发生而动态演变，使其更有可能捕捉到人群的实时情绪和反应。然而，精确定位的地理社会数据是稀缺的，并偏向于城市人口中心。在这项研究中，我们开发了一个大的地理社会数据分析框架，用于从公开的地理参考推文中提取人类运动动态以应对大规模事件。该框架包括一个两阶段的数据汇集模块，以更有针对性的方式收集数据，以缓解地理参考推文的数据稀缺问题;此外，采用可变带宽核密度估计（VB-KDE）方法融合不同空间尺度的地理参考信息，进一步增强地理参考推文中包含的人体运动动态信号。为了校正地理参考推文的采样偏差，我们调整了不同空间单元的推文数量（例如，县（市）人口。为了证明所提出的分析框架的性能，我们选择了美国全国范围内发生的天文事件，即，以2017年美国大日食为例，研究了响应该事件的人类运动动态。然而，这种分析框架可以很容易地应用于其他类型的大规模事件，如飓风或地震。
2021-02-01 cs.CY cs.SI
DoubleH: Twitter User Stance Detection via Bipartite Graph Neural Networks
State Key Lab of Software Development Environment, Beihang University（北京航空航天大学软件开发环境国家重点实验室）；School of Statistics, Capital University of Economics and Business（首都经济贸易大学统计学院）
鉴于社交媒体的发展和丰富，研究社交媒体用户的立场是一个具有挑战性和紧迫性的问题。社交媒体用户通过发布推文和转发来表达他们的立场。因此，用户之间的同质关系和用户与推文之间的异质关系与姿态检测任务相关。近年来，图神经网络（GNNs）发展迅速，并被应用于社会化媒体研究。在本文中，我们抓取了2020年美国总统大选的大规模数据集，并通过手动标记的主题标签自动标记所有用户。随后，我们提出了一个二分图神经网络模型，DoubleH，其目的是更好地利用同质和异构信息在用户的立场检测任务。具体来说，我们首先构建一个二分图的基础上发布和转发关系的两种节点，包括用户和推文。然后，我们迭代更新节点的表示提取和分别处理异构和同质的信息，在节点的邻居。最后，用户节点的表示用于用户的立场分类。实验结果表明，DoubleH优于国家的最先进的方法在流行的基准测试。进一步的分析说明了该模型的信息利用率，并证明了在不同层数的稳定性和效率。
2023-01-20 cs.AI cs.SI
Happiness and the Patterns of Life: A Study of Geolocated Tweets
大量人口所表现出的生活模式已经被描述和建模，既作为基础科学练习，也用于一系列应用目标，如减少汽车拥堵，改善灾难响应，甚至预测个人的位置。然而，这些研究以前有有限的访问会话内容，呈现变化的表达作为一个不可见的运动功能。此外，他们通常使用移动电话与其最近的天线塔之间的通信来推断位置，将数据的空间分辨率限制在每个手机塔所服务的地理区域。我们使用了3700万条地理定位的推文来描述18万人的运动模式，利用了相对于以前工作的几个数量级的空间准确性。利用最近开发的名为“快乐计”的情感分析工具，我们将词语使用的变化描述为运动的函数，并发现表达的幸福感随着与个人平均位置的距离呈对数增加。
2013-09-12 cs.SI physics.soc-ph
TBCOV: Two Billion Multilingual COVID-19 Tweets with Sentiment, Entity, Geo, and Gender Labels
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）
本文构建TBCOV大规模多语言COVID-19推文数据集，利用深度学习标注情感、实体、用户与性别，并提出地理标记方法以支持疫情舆情与现实问题分析。
2021-10-04 cs.CL cs.SI
Large-Scale Mapping of Human Activity using Geo-Tagged Videos
University of California, Merced（加州大学默塞德分校）；University of Southern California（南加州大学）
本文是第一次使用地理标记视频的视觉内容来执行人类活动的时空映射。我们利用最近基于深度学习的视频分析框架，称为隐藏双流网络，来识别YouTube视频中的一系列活动。该框架是有效的，并且可以实时的或更快地运行，这对于识别在流视频中发生的事件或减少分析已经捕获的视频的延迟是重要的。这对于在智慧城市应用中使用视频非常重要。我们进行了一系列的实验，以显示我们的方法是能够准确地映射活动的空间和时间。我们还展示了使用视觉内容的标签/标题的优势。
2017-11-28 cs.CV cs.CY cs.MM
Tweets on the road
每天都在增加的移动设备的普及正在产生大量的地理定位数据，使我们能够进一步了解人类行为。特别是，这项新技术使用户能够随时随地通过Twitter等移动社交媒体应用程序进行通信。因此，地理定位的推文提供了可能性进行深入研究的人类流动。在本文中，我们通过识别2012年9月至2013年11月期间在欧洲公路和铁路上发布的推文来研究Twitter在交通运输中的使用。我们计算了39个国家的公路和铁路部分被推文覆盖的百分比。各国的覆盖率差异很大，其差异性可以部分解释为Twitter渗透率的差异。尽管如此，其中一些差异可能与有关移动习惯和在线社交互动的文化因素有关。分析特定的道路部门，我们的研究结果显示，在法国和英国的公路上的推文数量和平均年日交通量之间存在正相关关系。运输方式也可以用这些数据来研究，我们发现整个大陆的使用模式非常多样化。
2014-05-20 cs.CY cs.SI physics.soc-ph
Can We Predict the Scenic Beauty of Locations from Geo-tagged Flickr Images?
在这项工作中，我们提出了一种新的技术，以确定从Flickr照片的社交元数据的位置的美学得分。特别地，我们构建了机器学习分类器来预测位置的类别，其中每个类别对应于具有相等美学评级的一组位置。这些模型在两个经验构建的数据集上进行训练，这些数据集包含两个不同城市（罗马和巴黎）的位置，其中位置的美学评级来自TripAdvisor.com。在这项工作中，我们利用的想法，在具有较高的审美评级的位置，它是更有可能为用户捕捉照片和其他用户更有可能与该照片进行交互。我们的模型在罗马数据集上达到了79.48%的准确率（78.60%的精确度和79.27%的召回率），在巴黎数据集上达到了73.78%的准确率（75.62%的精确度和78.07%的召回率）。所提出的技术可以促进城市规划，旅游规划和推荐美观的路径。
2018-03-24 cs.CY cs.HC cs.SI
ContCommRTD: A Distributed Content-based Misinformation-aware Community Detection System for Real-Time Disaster Reporting
University Politehnica of Bucharest（布加勒斯特理工大学）；Fraunhofer Institute for Open Communication Systems（弗劳恩霍夫开放通信系统研究所）
实时的【形】社交媒体数据可以提供有关不断演变的灾害的有用信息。除了传统的灾害检测方法外，社交媒体数据的整合可以大大加强灾害管理。在本文中，我们研究了在Twitter上检测地理位置内容社区的问题，并提出了一种新的分布式系统，提供近实时的【形】信息灾害相关的事件及其演变。我们表明，基于内容的社区分析导致更好，更快地传播危害报告。我们的分布式灾难报告系统分析了全球地理位置的推文之间的社会关系，并应用主题建模组推文的主题。考虑到每条tweet的以下信息：用户，时间戳，地理位置，转发和回复，我们创建了一个主题的发布者-订阅者分布模型。我们使用内容相似性和节点的接近度来创建一个新的基于地理位置的社区模型。用户可以在特定的地理区域或全球范围内订阅不同的主题，并接收有关这些主题的实时的【形】报告。由于错误信息如果在危险相关的推文中传播会导致损害增加，因此我们提出了一种新的深度学习模型来检测假新闻。然后，错误的推文将从显示中删除。我们还展示了经验的可扩展性能力的建议系统。
2023-01-30 cs.AI cs.DC cs.SI
Community Detection from Location-Tagged Networks
许多真实世界系统或web服务可以被表示为诸如社交网络和运输网络之类的网络。在过去的十年中，已经开发了许多算法来使用节点之间的连接来检测网络中的社区。然而，在现实世界中的许多网络中，节点的位置对社区结构有很大的影响。例如，在社交网络中，在地理上接近的用户之间建立更多的连接。研究文献还没有充分研究地点对社区的影响。在本文中，我们提出了一个社区发现方法，考虑到节点的位置。目标是检测具有地理邻近性和网络紧密性的社区。我们分析了连接和非连接节点之间的距离分布，以衡量位置对两个真实的位置标记的社交网络的网络结构的影响。我们提出了一种方法来确定是否基于位置的社区发现方法是适合于一个给定的网络。我们提出了一种新的社区发现算法，将位置信息推到社区发现。我们测试我们提出的方法在合成数据和现实世界的网络数据集。实验结果表明，与传统方法相比，该方法检测出的社区分布范围更小，网络连接紧密度相近或更高。
2015-01-19 cs.SI physics.soc-ph
BlackLivesMatter 2020: An Analysis of Deleted and Suspended Users in Twitter
2020年5月乔治·弗洛伊德去世后，社交媒体上的讨论量急剧增加。在这一悲剧事件之后，发生了一系列抗议活动，被称为2020年黑人生命问题运动。最终，许多用户帐户被其所有者删除或因违反社交媒体平台的规则而被暂停。在这项研究中，我们分析了在Twitter事件触发之前和之后发生了什么，关于删除和暂停用户。我们创建了一个新的数据集，其中包括大约50万用户共享2000万条推文，其中一半人积极参与了2020年BlackLivesMatter的讨论，但其中一些人后来被删除或暂停。我们特别研究了垃圾邮件，负面语言，仇恨言论和错误信息传播方面的不良行为的因素。我们发现，与没有参与2020年BlackLivesMatter讨论的用户相比，参与讨论的用户有更多负面和不受欢迎的推文。此外，触发事件发生后，Twitter的新账户数量显著增加，但与老用户相比，新用户更倾向于发布不受欢迎的推文。
2022-07-06 cs.SI
#MeTooMA: Multi-Aspect Annotations of Tweets Related to the MeToo Movement
IIIT-Delhi（德里印度信息技术学院）；University of Maryland, College Park（马里兰大学帕克分校）；Bloomberg（彭博）；Netaji Subhas Institute of Technology（内塔吉·苏巴斯理工学院）
在本文中，我们提出了一个包含9,973条与MeToo运动相关的推文的数据集，这些推文被手动注释为五个不同的语言方面：相关性，立场，仇恨言论，讽刺和对话行为。我们提出了一个详细的数据汇集和注释过程。由于注释者的领域专业知识和清晰的注释说明，注释具有非常高的注释者间一致性（0.79至0.93 k-alpha）。我们从地理分布、标签相关性和关键词等方面分析数据。最后，我们提出了这个数据集的一些潜在用例。我们希望这个数据集会引起心理语言学家，社会语言学家和计算语言学家的极大兴趣，以研究数字动员社会运动在性骚扰等敏感问题上的话语空间。
2020-04-20 cs.CL cs.SI
Urban Magnetism Through The Lens of Geo-tagged Photography
越来越多的人通过社交媒体留下数字痕迹。这一现实为城市研究开辟了新的视野。有了这些数据，研究人员和城市规划者可以检测人们在城市中生活的许多方面，也可以建议如何将城市改造成更高效、更智能的居住地。特别是，他们的数字足迹可以用来调查个人的品味，以及是什么吸引他们住在某个特定的城市或在那里度假。在本文中，我们提出了一种非传统的方法来研究人们如何体验城市，使用人们在不同地点拍摄的带有地理标记的照片中的信息。我们比较了世界上10个最受欢迎的城市的居民和游客的空间行为。这项研究在全球和地方两级进行。在全球范围内，我们分析了10个最受关注的城市，并衡量每个城市对来自同一国家或国外的其他城市的游客的吸引力。为了分析的目的，我们构建了用户移动网络，并测量了每对城市之间的联系强度，作为生活在一个城市的人们的吸引力水平（即，起源）到另一个城市（即，目的地）。在地方层面上，我们研究用户活动的空间分布，并确定每个城市内拍摄的热点。所提出的方法和我们的研究结果是一个低成本的手段来表征旅游活动在一定的位置，可以帮助城市组织，以加强其旅游潜力。
2015-05-30 cs.SI physics.soc-ph
CaST: Causal Discovery via Spatio-Temporal Graphs in Disaster Tweets
CaST通过整合语义、时空信息，利用大规模语言模型构建事件图，实现灾难推文中更稳健和可解释的因果发现。
2026-02-01 cs.AI cs.SI
Linking Twitter Events With Stock Market Jitters
预测投资者对金融和政治新闻的反应对于早期发现股市波动非常重要。最近几项研究的证据表明，在线社交媒体可以改善对股市走势的预测。然而，利用这些信息来预测股票市场的强烈波动还没有探索到目前为止。在这项工作中，我们提出了一种新的事件检测方法在Twitter上，量身定制，以检测金融和政治事件，影响特定的股票市场。所提出的方法适用于一个突发性的主题检测方法的流的推文相关的金融或政治，然后通过一个分类过程，过滤出的事件，不影响检查的股票市场。我们训练我们的分类识别真实事件，只使用有关股市波动的信息，而不需要手动标记。我们将Twitter事件建模为包含丰富信息的特征向量，例如推文的地理分布、极性、作者信息以及与事件相关的突发词信息。我们发现，只利用信息的鸣叫极性，像大多数以前的研究，结果浪费了重要的信息。我们将所提出的方法应用于希腊和西班牙股票市场的高频日内数据，我们表明我们的金融事件检测器成功地预测了大部分的股票市场波动。
2017-06-19 cs.SI
Social Media Text Processing and Semantic Analysis for Smart Cities
随着社交媒体的兴起，人们几乎可以全天候获取和分享信息。许多研究领域都试图从这些大量的免费用户生成的内容中获得有价值的见解。为了从社交媒体流中提取可能在智能交通系统和智能城市背景下有用的知识，我们设计并开发了一个框架，该框架提供了从多个预定义边界框并行收集地理定位推文的功能（城市或地区），包括过滤不符合的推文，葡萄牙语和英语的文本预处理，主题建模，和特定于运输的文本分类器，以及聚合和数据可视化。我们对5个不同城市的地理位置推文进行了探索性数据分析：里约热内卢，圣保罗，纽约市，伦敦和墨尔本，在3个月内总计超过4300万条推文。此外，我们在里约热内卢和圣保罗之间进行了大规模的主题建模比较。有趣的是，大部分话题都是在两个城市之间共享的，尽管在同一个国家，但在人口，经济和生活方式方面被认为是非常不同的。我们利用词嵌入和训练这样的表示从地理定位的鸣叫集合的最新发展。然后，我们使用的嵌入袋和传统的词袋的组合，训练旅游相关的分类器在葡萄牙语和英语过滤旅游相关的内容从非相关的。我们创建了特定的黄金标准数据来对所得分类器进行经验评估。结果与其他应用领域的研究工作一致，显示了使用词嵌入来学习词相似性的鲁棒性，而词袋无法捕获。
2017-09-11 cs.CL cs.CY cs.SI
A multi-modal approach towards mining social media data during natural disasters -- a case study of Hurricane Irma
University of North Carolina - Greensboro（北卡罗来纳大学格林斯伯勒分校）；The Pennsylvania State University（宾夕法尼亚州立大学）；Mississippi State University（密西西比州立大学）
流媒体社交媒体提供了极端天气影响的实时一瞥。然而，大量的流数据使挖掘信息成为应急管理人员、政策制定者和学科科学家的挑战。在这里，我们探讨了数据学习方法的有效性，以挖掘和过滤来自飓风厄玛在美国佛罗里达州登陆的流媒体数据中的信息。我们使用了来自16，598名用户的54，383条Twitter消息（来自784 K地理定位消息）。2017年10月10日至12日，开发4个独立的模型来过滤相关性数据：1）基于每个推文的地点和时间的强制条件的地理空间模型，2）包括图像的推文的图像分类模型，3）预测高音喇叭可靠性的用户模型，以及4）确定文本是否与飓风伊尔玛有关的文本模型。所有四个模型都经过独立测试，并且可以结合起来，根据用户为每个子模型定义的阈值快速过滤和可视化推文。我们设想，这种类型的过滤和可视化例程可以作为从噪声源（如Twitter）中捕获数据的基础模型。这些数据随后可以被政策制定者、环境管理者、应急管理者和领域科学家使用，他们有兴趣找到具有特定属性的推文，以便在灾难的不同阶段使用（例如，准备、响应和恢复）或详细研究。
2021-01-02 cs.IR cs.LG cs.SI
Enhanced Twitter Sentiment Classification Using Contextual Information
MIT（麻省理工学院）
随着Twitter的普及和普及，对推文的情感分析已经成为一个重要的研究领域。然而，对推文施加的140个字符的限制使得很难使用标准的语言学方法进行情感分类。另一方面，推特缺乏结构，但它们却用庞大的数量和丰富的元数据来弥补。该元数据包括地理位置、时间和作者信息。我们假设情绪依赖于所有这些背景因素。不同的地点，不同的时代，不同的作者，有着不同的情感价值。在本文中，我们通过利用远程监督收集来自不同地点，时间和作者的数百万条标记推文来探索这一假设。我们使用这些数据来分析不同作者，时间和地点的推文情绪的变化。一旦我们探索并理解了这些变量和情绪之间的关系，我们就使用贝叶斯方法将这些变量与更标准的语言特征（如n-gram）结合起来，创建了一个Twitter情绪分类器。这种组合分类器的性能优于纯语言分类器，表明将Twitter上丰富的上下文信息整合到情感分类中是一个很有前途的研究方向。
2021-01-02 cs.AI cs.CL cs.IR
A latent shared-component generative model for real-time disease surveillance using Twitter data
利用大量的可用数据来解决相关的社会问题一直是数据采掘的关键挑战之一。这些努力最近被命名为“数据科学为社会公益”，并引起了一些研究人员和机构的注意。我们在这一目标的贡献，在本文中考虑一个困难的公共卫生问题，及时监测登革热疫情在小的地理区域。我们开发了一个简单而有效的生成模型来连接疾病病例和疾病相关Twitter帖子的波动。我们考虑了一个隐藏的马尔可夫过程，驱动着登革热报告病例的波动和每个地区发布的推文。我们添加了一个稳定但随机的推文来源，以代表没有疾病病例记录的帖子。该模型通过马尔可夫链蒙特卡罗算法学习，该算法产生相关参数的后验分布。使用来自大量巴西大城镇的数据，我们凭经验证明，我们的模型能够很好地预测未来几周的疾病计数，同时使用推文和疾病病例。
2015-10-20 cs.SI stat.ML
Scaling of foreign attractiveness for countries and states
人们在在线社交网络上的行为也可以提供他们线下生活的信息，这些社交网络存储有显示人们当时在哪里或在哪里的地理标记信息。在本文中，我们提出了一个可能的研究方向，可以采取使用Flickr数据集的公开可用的地理标记的媒体对象（例如，照片、视频）。也就是说，我们的重点是调查国家或较小的大规模复合区域的吸引力（例如，美国各州），吸引力被定义为外国游客在某个州或国家拍摄的媒体对象的绝对数量与其人口规模相比。我们还将其与通过联合国提供的公开数据集衡量的国际移民目的地的吸引力一起考虑。通过这两个数据集，我们可以从两个不同的角度来看待吸引力：短期和长期。正如我们之前的研究表明，西班牙城市的城市吸引力遵循超线性趋势，在这里我们想看看同样的规律是否也适用于国家/州（即，复合区域）的吸引力。最后，我们提供了一个可能的解释所获得的结果。
2016-06-27 cs.SI physics.soc-ph
Multimodal Event Detection in Twitter Hashtag Networks
被认为是在多模态Twitter数据集的事件检测。我们将数据集中的主题标签视为具有两种模式的实例：文本和地理位置特征。文本特征由词袋表示组成。地理位置特征由地理标记（即，地理坐标）。融合多模态数据，我们的目标是在主题和地理位置方面检测有趣的事件和相关的标签。为此，生成的潜变量模型假设，并推导出广义期望最大化（EM）算法来学习模型参数。该方法计算效率高，适用于大数据集。在2014年8月的Twitter数据集上的实验结果表明了该方法的有效性。
2016-05-16 cs.SI stat.AP
