CrisisMMD: Multimodal Twitter Datasets from Natural Disasters
在自然灾害和人为灾害期间，人们使用诸如Twitter的社交媒体平台来发布文本和多媒体内容，以报告关于受伤或死亡人员、基础设施损坏以及失踪或找到人员的更新以及其他信息类型。研究表明，这种在线信息如果得到及时和有效的处理，对人道主义组织了解情况和规划救济行动极为有用。除了对文本内容的分析外，最近的研究表明，社交媒体上的图像内容可以显着促进灾害响应。尽管广泛的研究主要集中在文本内容提取有用的信息，有限的工作集中在使用图像内容或两种内容类型的组合。其中一个原因是在这一领域缺乏标记的图像数据。因此，在本文中，我们的目标是通过发布在不同自然灾害期间从Twitter收集的大型多模态数据集来解决这一限制。我们提供了三种类型的注释，它们对于解决不同人道主义组织的危机响应和管理任务非常有用。
2018-05-02 cs.CY cs.SI
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
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
Twitter Speaks: A Case of National Disaster Situational Awareness
近年来，我们面临着一系列自然灾害，造成了巨大的财政、环境和人员损失。自然灾害行为的不可预测性使得很难有一个全面的态势感知（SA）来支持灾害管理。使用民意调查是分析自然灾害期间公众关注的传统方法;然而，这种方法是有限的，昂贵的，耗时的。幸运的是，社交媒体的出现为学者提供了分析公众关注的另一种方法。社交媒体使用户（人们）能够自由地交流他们的意见，并传播有关当前事件（包括自然灾害）的信息。本研究强调了社会媒体分析的价值，并提出了一个分析框架：Twitter情境意识（TwiSA）。该框架使用文本挖掘方法，包括情感分析和主题建模，以创建一个更好的SA的灾难准备，响应和恢复。TwiSA还有效地部署在大量推文上，并跟踪2015年南卡罗来纳州洪水期间人们的负面担忧。
2019-03-07 cs.CY cs.SI stat.AP
Beyond Sentiment: Examining the Role of Moral Foundations in User Engagement with News on Twitter
该研究结合情感分析、MFT、NLP与回归建模，分析美国新闻媒体 Twitter 内容，揭示惊讶、信任和伤害等道德情感特征对用户参与的关键影响。
2025-02-17 cs.SI
Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic
Wright State University（莱特州立大学）
最近全球爆发的冠状病毒病（COVID-19）已蔓延至全球各个角落。国际旅行禁令、恐慌性购买和自我隔离的需要是这个新时代带来的许多其他社会挑战之一。Twitter平台已被用于各种公共卫生研究，以确定当地和全球范围内对事件的公众意见。为了了解公众对大流行病的关注和反应，需要一个能够利用机器学习技术过滤掉不相关的推文并识别Twitter等社交媒体平台上讨论的重要话题的系统。在这项研究中，我们构建了一个系统来识别2020年1月1日至2020年4月30日期间与COVID-19大流行相关的推文，并探索了主题建模，以识别我们数据集中在此期间讨论最多的主题和主题。此外，我们还分析了与此次大流行期间发生的事件相关的主题的时间变化。我们发现八个主题足以识别我们语料库中的主题。这些主题描绘了一个时间趋势。主要议题随时间而变化，并与COVID-19疫情相关事件一致。
2020-11-03 cs.IR cs.LG cs.SI
Of Hags and bitches. Ageist attitudes in 2016 presidential debate on twitter
在这篇文章中，我们提出了我们的探索性研究，在与美国2016年总统大选有关的讨论中，年龄歧视态度的发生。我们使用自然处理技术来分析与希拉里·克林顿和唐纳德·特朗普相关的推文内容。内容分析显示，尽管年龄歧视态度在讨论中很少见，但它们大多集中在希拉里克林顿身上，而不是唐纳德特朗普。此外，针对唐纳德·特朗普的年龄歧视论点主要是对与希拉里·克林顿健康有关的争议的回应。
2016-11-11 cs.CY 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
The effect of wording on message propagation: Topic- and author-controlled natural experiments on Twitter
Cornell University（康奈尔大学）；Google Inc.（谷歌公司）
考虑一个人试图在社交网络上传播一个重要消息。他/她可能会花几个小时来制作信息。这真的重要吗虽然之前有大量的工作研究预测社交媒体内容的受欢迎程度，但措辞本身的影响很少被研究，因为它经常与作者和主题的受欢迎程度混淆。为了控制这些混杂因素，我们利用了一个令人惊讶的事实，即有许多对tweet包含相同的url，由同一个用户编写，但使用不同的措辞。有了这样的配对，我们会问：哪个版本吸引了更多的转发？事实证明，这是一项比预测热门话题更困难的任务。尽管如此，人类可以比偶然更好地回答这个问题（但远非完美），我们开发的计算方法可以比普通人和在非受控数据上训练的强大竞争方法做得更好。
2014-05-06 cs.CL cs.SI physics.soc-ph
Climate change sentiment on Twitter: An unsolicited public opinion poll
人为气候变化的后果通过科学论文，报纸文章和博客进行了广泛的辩论。报纸上的文章可能缺乏准确性，而科学论文中发现的严重性可能太不透明，公众无法理解。然而，社交媒体是一个论坛，不同背景的人可以分享他们的想法和意见。随着消费从旧媒体转向新媒体，Twitter已成为分析时事和头条新闻的宝贵资源。在这项研究中，我们分析了2008年9月至2014年7月期间收集的包含“气候”一词的推文。通过使用以前开发的情绪测量工具，称为Hedonometer，我们确定集体情绪如何变化，以应对气候变化的新闻，事件和自然灾害。我们发现，自然灾害、气候法案和石油钻探会导致幸福感下降，而气候集会、新书发布和绿色创意竞赛则会增加幸福感。我们的分析发现，对气候变化新闻的回应主要来自气候变化活动家，而不是气候变化否认者，这表明Twitter是传播气候变化意识的宝贵资源。
2015-07-30 cs.CY cs.SI physics.soc-ph
Using Twitter Data to Determine Hurricane Category: An Experiment
University of Alabama（阿拉巴马大学）；University of Wisconsin – Platteville（威斯康星大学普拉特维尔分校）
本文通过挖掘飓风哈维和厄玛期间的Twitter数据，发现特定区域社交媒体数据与飓风等级存在正相关关系，并提出利用Twitter数据预测区域飓风等级的方法。
2023-08-10 cs.LG cs.SI
"Breaking" Disasters: Predicting and Characterizing the Global News Value of Natural and Man-made Disasters
由于自然灾害和人为灾害往往具有突发性，记者和灾害管理应对小组很难监测和发现这些灾害。记者越来越多地依赖社交媒体的信号来发现这些早期发展阶段的故事。Twitter拥有庞大的地方新闻媒体网络，是灾害检测早期信号的主要来源。为全球办公室工作的记者经常通过Twitter的列表跟踪这些消息来源，但必须梳理数千个小规模或低影响力的故事，以找到可能与全球相关的事件。这些事件具有大范围，高影响或潜在的地缘政治相关性。我们提出了一个模型，用于自动识别可能在未来24小时内在全球范围内发生的本地新闻源事件。研究结果很有希望，可以用于预测环境，帮助记者更有效地管理他们的消息来源，或者以描述性的方式分析媒体对灾害的报道。通过特征评估过程，我们还解决了这样一个问题：“是什么让一个灾难事件在全球范围内具有新闻价值？“作为我们数据汇集过程的一部分，我们在Twitter上创建了一个灾难/事故新闻的本地来源列表，我们已经公开了这些信息。
2017-09-08 cs.SI physics.soc-ph
Social Media as a Sensor: Analyzing Twitter Data for Breast Cancer Medication Effects Using Natural Language Processing
Emory University（埃默里大学）
本文提出基于NLP的方法，利用transformer分类器识别X平台乳腺癌患者并收集数据，构建副作用词典分析药物使用与副作用，揭示了社交媒体在临床研究中的价值。
2024-02-26 cs.CL cs.LG cs.SI
A large-scale Twitter dataset for drug safety applications mined from publicly existing resources
随着用于自然语言处理（NLP）任务的深度学习模型的普及，在药物警戒领域，更具体地说，用于识别药物不良反应（ADR），存在针对此类任务的大规模社交媒体数据集的内在需求。由于大多数研究人员分配大量时间来抓取Twitter或购买昂贵的预先策划的数据集，然后由人类手动注释，这些方法不能很好地扩展，因为越来越多的数据不断在Twitter中流动。在这项工作中，我们重新利用了一个超过94亿条推文的公开存档数据集，目的是创建一个非常大的药物使用相关推文数据集。使用文献中现有的手动策划数据集，然后使用机器学习方法验证我们过滤的推文的相关性，最终结果是公开的数据集为1，181，993百万条推文供公众使用。我们提供了所有的代码和详细的过程，如何提取这个数据集和选定的鸣叫ID的研究人员使用。
2020-03-31 cs.IR cs.SI
ArCOV-19: The First Arabic COVID-19 Twitter Dataset with Propagation Networks
Qatar University（卡塔尔大学）
在本文中，我们介绍了ArCOV-19，这是一个阿拉伯语的COVID-19 Twitter数据集，涵盖了2020年1月27日至2021年1月31日的一年时间。ArCOV-19是第一个公开的阿拉伯语Twitter数据集，涵盖了COVID-19大流行，包括约270万条推文以及其中最受欢迎的子集的传播网络（即，最多转发和喜欢）。传播网络包括转发和会话线程（即，的回复）。ArCOV-19旨在支持多个领域的研究，包括自然语言处理、信息检索和社会计算。初步分析显示，ArCOV-19捕捉到了与阿拉伯世界首次报告的该疾病病例相关的讨论。除了源推文和传播网络之外，我们还发布了用于收集推文的搜索查询和独立于语言的爬虫，以鼓励对类似数据集的管理。
2021-03-13 cs.CL cs.IR cs.SI
Topic and Sentiment Analysis on OSNs: a Case Study of Advertising Strategies on Twitter
社交媒体已经大大改变了品牌和企业的广告方式：在线社交网络为品牌提供了比传统媒体更多功能和动态的广告渠道（例如，电视和广播）。此类媒体的参与程度通常根据内容采用率来衡量（例如，喜欢和转发）和情绪，围绕一个给定的主题。然而，情感分析和主题识别都是不平凡的任务。在本文中，使用从Twitter收集的数据作为案例研究，我们分析了如何在10天的时间内推广内容的参与度和情绪。我们发现，促进推文导致更高的积极情绪比促进的趋势，虽然促进的趋势回报的响应量。我们观察到，品牌和推广内容的参与度在活动的第一天最高，之后大幅下降。然而，我们表明，这些见解取决于使用强大的机器学习和自然语言处理技术来收集重点，相关的数据集，并准确地衡量情绪，而不是依赖于简单的关键字或基于频率的指标有时用于社交媒体研究。
2013-12-23 cs.SI physics.soc-ph
Unsupervised machine learning to analyse city logistics through Twitter
Centre for Robotics - MINES ParisTech PSL（巴黎高等矿业学院PSL机器人中心）；IFSTTAR（法国交通发展规划与网络研究院）
城市物流的特点是多个利益相关者，往往有不同的看法，这样一个复杂的系统。从公共政策的角度来看，确定利益攸关方、问题和趋势是一项艰巨的挑战，传统的观察系统只能部分解决这一问题。如今，社交媒体是公众表达的最大渠道之一，经常用于传达与城市物流相关的意见和内容。这项研究的想法是，分析社交媒体内容可以帮助了解城市物流的公众看法。本文提供了一种从Twitter收集内容并实施机器学习技术（无监督学习和自然语言处理）的方法，以执行内容和情感分析。所提出的方法适用于超过110 000推文包含城市物流关键词。结果允许建立概念的兴趣地图和情感分析，以确定城市物流条目是积极的，消极的或中性的。
2019-06-18 cs.CY cs.LG cs.SI
Discussing Privacy and Surveillance on Twitter: A Case Study of COVID-19
技术具有独特的优势，可以帮助我们分析大量信息，以便在广泛的公共卫生问题（如正在进行的COVID-19大流行病）中提供有价值的见解。事实上，像苹果和谷歌这样的信息技术公司最近已经推出了用于接触追踪的工具-能够处理位置数据以确定与可能的患者接触过的人，以遏制病毒的传播。虽然中国和新加坡成功地领导了这一努力，但越来越多的国家现在正在实施这种监控系统，这引发了对这种长期监控的潜在隐私担忧。例如，目前尚不清楚大流行后的信息会发生什么变化，因为在全球危机期间，人们更有可能分享他们的信息，而无需政府详细说明其数据政策。推特上的数字人种学在全世界拥有超过3.3亿用户，其中大多数在大流行病影响最严重的美国，它提供了一个独特的机会，可以在相当自然的环境中了解公众对时事的实时意见。因此，通过分析Twitter数据和前所未有的公共卫生爆发期间的信息共享政策，强调用户的隐私问题（如果存在）可能是有用的。这将使政府能够在卫生紧急情况期间和之后保护其公民。
2020-06-11 cs.CR cs.CY cs.SI
Patterns of Social Vulnerability -- An Interactive Dashboard to Explore Risks to Public Health on the US County Level
社会脆弱性是指一个社区容易受到自然灾害和公共卫生紧急情况的不利影响，如干旱、地震、洪水、病毒爆发等。气候变化是近期许多自然灾害的根源，而COVID-19疫情仍是一个活跃的威胁。社会脆弱性也指弹性，或从此类不良事件中恢复的能力。为了衡量社会脆弱性的许多方面，美国疾病控制中心（CDC）将社会脆弱性细分为不同的主题，如社会经济地位，家庭组成等。了解社区的社会脆弱性可以帮助决策者和应对者认识到社区健康面临的风险，为可能的危害做好准备，或从灾害中恢复。在本文中，我们研究了美国县一级的社会脆弱性，目前的研究表明，有一定的组合，或模式，社会脆弱性指标，美国县可以分组。然后，我们提出了一个交互式仪表板，允许分析师以各种方式探索这些模式。我们使用COVID-19死亡率作为风险来展示我们的方法，并表明我们确定的模式对大流行的本地影响具有很高的预测能力。
2023-01-07 cs.HC cs.SI physics.soc-ph
Twitter Sentiment Analysis of Covid Vacciness
Courant Institute of Mathematical Sciences, New York University（纽约大学柯朗数学科学研究所）
针对社交媒体上新冠疫苗相关意见的排序与分类需求，本研究使用两种排序量表和自然语言处理技术，对Twitter推文进行情感分析，力求高准确率地归类用户对新冠疫苗的观点。
2023-11-08 cs.CL cs.IR cs.LG
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
Public sentiments on the fourth industrial revolution: An unsolicited public opinion poll from Twitter
University of Turin（都灵大学）
本文通过分析推特数据，揭示了欧洲公众对第四工业革命技术情绪的分裂趋势，发现6%的用户处于情绪一致的回音室中，为评估生成式AI对公众讨论的影响提供了方法学参考。
2025-11-27 cs.CY cs.SI econ.GN
