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
The Geography of Happiness: Connecting Twitter sentiment and expression, demographics, and objective characteristics of place
我们对美国各地的个人实时表达与广泛的情感，地理，人口统计和健康特征之间的相关性进行了详细的调查。我们这样做是通过结合（1）一个巨大的，地理标记的数据集，包括超过8000万字，在最近几年的过程中产生的社交网络服务Twitter和（2）每年调查的所有50个州和近400个城市人口的特征。在众多结果中，我们根据州和城市在词汇使用方面的相似性生成了州和城市的分类;估计州和城市的幸福水平;将高度解析的人口统计特征与幸福水平相关联;并将词汇选择和信息长度与城市特征（如教育水平和肥胖率）联系起来。我们的研究结果表明，社交媒体可能被用来估计实时水平和人口水平指标的变化，如肥胖率。
2013-05-18 cs.SI physics.soc-ph
Changes in Twitter geolocations: Insights and suggestions for future usage
在过去的几年里，Twitter数据已经成为各种应用场景的有价值的数据来源。对于许多这样的应用程序，有必要知道Twitter帖子（tweets）是从哪里发送的，或者它们指的是什么位置。研究人员经常使用在一小部分推文中提供的精确坐标，但Twitter在2019年年中删除了共享这些坐标的选项。此外，有理由怀疑所提供的坐标中的很大一部分甚至在此之前就不对应于用户的GPS坐标。在本文中，我们解释了这一情况和2019年的政策变化，并阐明了仍然从推文中获取位置信息的各种选择。我们提供使用统计数据，包括随时间的变化，并分析删除确切坐标对使用Twitter数据执行的各种常见研究任务意味着什么。最后，我们提出了建议，为未来的研究需要地理定位的推文。
2021-09-22 cs.SI
The Twitter Social Mobility Index: Measuring Social Distancing Practices from Geolocated Tweets
社交距离是应对新型冠状病毒（COVID-19）大流行的重要组成部分。尽量减少社会交往和旅行可以降低感染传播的速度，并“缩短曲线”，使医疗系统能够更好地治疗感染者。然而，目前还不清楚公众将如何回应这些政策。本文介绍了Twitter的社会流动性指数，社交距离和旅行的衡量来自Twitter的数据。我们使用公开的地理定位Twitter数据来衡量用户在给定的一周内旅行了多少次。我们发现，在实施社交距离政策后，美国的旅行大幅减少，早期采用政策的州减少幅度较大，而没有政策的州变化较小。我们的研究结果载于http://socialmobility.covid19dataresources.org，我们将在疫情期间继续更新我们的分析。
2020-06-08 cs.SI
Multi-spatial Scale Event Detection from Geo-tagged Tweet Streams via Power-law Verification
与传统新闻媒体相比，社交媒体提供了更丰富、更及时的新闻来源。我们感兴趣的是多空间级别的事件检测从地理标记的鸣叫流。具体来说，在本文中，我们（1）研究在短时间间隔内从特定地区发布的地理标记推文数量的时间序列的统计特性，例如，10秒或1分钟;（2）从30多个数据集中验证，虽然几乎所有这些时间序列都表现出自相似性，但那些对应于事件的时间序列，特别是短期和计划外的爆发，遵循幂律分布;（3）证明这些发现可以应用于促进推文流中的事件检测。我们提出了两个算法-Power-law basic和Power-law advanced，其中Power-law basic只检查多空间尺度下推文流的时间序列中幂律分布的存在，而不查看每条推文的内容，Power-law advanced通过词嵌入将幂律验证与语义分析相结合。我们在多个数据集上的实验表明，通过单独考虑推文的时空统计分布，看似幼稚的Power-law基本算法实现了与更先进的事件检测方法相当的结果，而语义分析增强版本，Power-law高级，可以显着提高精度和召回率。
2019-08-21 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
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
GeoCovaxTweets: COVID-19 Vaccines and Vaccination-specific Global Geotagged Twitter Conversations
社交媒体平台在危机和流行病爆发期间提供可采取行动的信息。COVID-19大流行在全球范围内造成了一场慢性公共卫生危机，专家认为疫苗是实现病毒群体免疫的最终预防措施。一部分人可能会转向社交媒体平台反对疫苗和接种，阻碍政府根除病毒的努力。本文介绍了COVID-19疫苗和疫苗接种特定的全球地理标记推文数据集GeoCovaxTweets，其中包含超过180万条推文，具有位置信息和更长的时间覆盖范围，来自233个国家和地区，于2020年1月至2022年11月期间。本文讨论了数据集的策展方法以及如何在本地重新创建数据集，然后通过多个tweets分布来探索数据集，并简要讨论了其潜在的用例。我们预计，该数据集将帮助危机计算领域的研究人员通过有关趋势、观点转变、错误信息和反疫苗接种运动的众多空间和时间维度，探索COVID-19疫苗和疫苗接种Twitter话语的对话动态。
2023-01-18 cs.SI
Geolocated Social Media Posts are Happier: Understanding the Characteristics of Check-in Posts on Twitter
社交媒体上位置共享功能的日益普及使研究人员能够使用地理定位数据进行计算社会科学研究，为研究人类流动性，现实世界事件的影响等提供了机会。本文分析了什么是关键的区别与地理标签的职位，从那些没有。我们发现，共享位置的用户并不能代表整个社交媒体用户群，这会危及仅使用地理定位数据的研究的普遍性。我们考虑三个方面：情感-情感和情绪，内容-文本和非文本，以及受众参与。通过将130万条带有地理标记的推文的数据集与相同大小的随机数据集进行比较，我们发现Twitter上带有地理标记的帖子表现出明显更多的积极性，通常是关于婚礼或毕业典礼等欢乐和特殊事件，传达更多的集体主义而不是个人主义，并且包含更多的附加功能，如标签或图像中的对象，但同时产生的参与度大大降低。这些发现表明，有地理标记的帖子所传达的信息存在显着差异。我们的研究对未来利用地理定位社交媒体数据的研究具有重要意义。
2023-02-14 cs.SI
Your Actions Tell Where You Are: Uncovering Twitter Users in a Metropolitan Area
Twitter是一个非常受欢迎的社交网络平台。由于隐私问题，大多数Twitter用户不会透露他们的位置。虽然推断个人Twitter用户的位置已经被广泛研究，但在不扫描整个Twitter领域的情况下有效地找到特定地理区域中的大多数用户仍然是缺失的，并且获得这些用户将产生积极和消极的意义。在本文中，我们提出了LocInfer，一种新颖的轻量级系统来解决这个问题。LocInfer探讨了Twitter中的用户通信具有很强的地理局部性这一事实，我们通过大规模数据集验证了这一点。本文以美国四个具有代表性的大都市区为研究对象，LocInfer可以发现平均86.6%的用户，每个区域的准确率为73.2%，只需检查一小部分候选用户。我们还提出了一个对策，高度敏感的用户位置隐私，并通过模拟显示其有效性。
2015-08-03 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
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
Social Distancing Beliefs and Human Mobility: Evidence from Twitter
我们构建了一个新的数据库，其中包含Twitter上发送的数十万条与COVID-19大流行相关的地理标记消息。我们创建了一个每日社交距离指数-在州一级-通过分析包含关键词的推文数量来捕捉社交距离信念，如“呆在家里”，“保持安全”，“戴口罩”，“洗手”和“社交距离”。我们发现，在第t-1天社交距离的Twitter指数的增加与第t天的流动性下降有关。我们还发现，国家秩序、新冠肺炎病例数量的增加、降水和气温有助于减少人类流动性。共和党州也不太可能实施社交距离。在社交网络上分享的信念既可以揭示个人的行为，也可以影响他人的行为。我们的研究结果表明，政策制定者可以使用地理标记的Twitter数据-结合移动数据-更好地了解个人自愿的社交距离行动。
2020-08-10 cs.SI
Explore Spatiotemporal and Demographic Characteristics of Human Mobility via Twitter: A Case Study of Chicago
描述人类流动模式对于理解人类行为以及与社会经济和自然环境的相互作用至关重要。随着位置和Web 2.0技术的不断发展，基于位置的社交媒体（LBSM）在过去几年中得到了广泛的普及。通过访问用户的位置，配置文件和社交媒体帖子的内容，LBSM数据为人类移动性研究提供了一种新的数据源模式。通过利用明确的位置足迹和挖掘隐含在LBSM数据中的潜在人口信息，本文的目的是研究人口流动的时空特征，特别关注人口的影响。我们首先收集地理标记的Twitter的饲料张贴在毗连的美国地区，并组织收集饲料使用的概念，对应于每个Twitter用户的时空轨迹。通常，针对每个用户轨迹导出人类移动性测量，包括检测到的家庭和活动中心。然后，我们选择了一个子集的Twitter用户检测到的家庭位置在芝加哥市作为案例研究，并应用名称分析用户简档中提供的名称，以了解Twitter用户的隐式人口统计信息，包括种族/民族，性别和年龄。最后，我们探讨了芝加哥Twitter用户的时空分布和流动性特征，并通过比较三个人口统计学维度（种族/民族，性别和年龄）的差异来研究人口统计学影响。我们发现，尽管不同人口群体的人口流动性指标通常遵循一般规律（例如，幂律分布），人口信息，特别是种族/族裔群体，对城市人口流动模式有重大影响。
2016-04-13 cs.CY cs.SI physics.soc-ph
Fine-grained Geolocation Prediction of Tweets with Human Machine Collaboration
Georgia Institute of Technology（佐治亚理工学院）
Twitter是分析人们对各种主题的意见的有用资源。这些主题通常与这些推文发布的位置相关或相关联。例如，餐馆老板可能需要知道他们的目标客户在哪里吃饭，以了解与食物相关的帖子的情绪，政策规划者可能需要分析公民对城市或县或州的特定部分的相关问题，如犯罪，安全，拥堵等的意见。尽管这很有希望，但只有不到$1\%$的抓取推文帖子带有地理位置标签。这使得准确预测非地理标记推文的推文帖子对于分析各个领域的数据非常重要。在这项研究中，我们利用数百万条Twitter帖子和最终用户的领域专业知识，使用自然语言处理（NLP）技术构建了一组深度神经网络模型，该模型可以预测不同粒度级别的非地理标记的Twitter帖子的地理位置，例如社区，邮政编码和经度与纬度。通过多个神经架构实验和协作式人机工作流设计，我们正在进行的地理位置检测工作显示出令人鼓舞的结果，使最终用户能够将选择变量与位置信息之间的关系关联起来。
2021-06-25 cs.CL cs.LG cs.SI
Where Chicagoans tweet the most: Semantic analysis of preferential return locations of Twitter users
最近对人类移动性的研究表明，人类的移动不是随机的，往往是集群的。在这方面，通过地理定位的推文捕获的Twitter用户的移动被发现遵循类似的模式，其中一些地理位置主导了个人用户的推文活动。然而，很少有人知道的语义（土地利用类型）和时间在这些经常访问的位置的鸣叫行为。此外，通常假设大多数用户的前两个访问位置是家庭和工作场所（假设A），并且人们倾向于在一天中的特定时间在他们的顶部位置发推文（假设B）。在本文中，我们通过研究2014年芝加哥市164，000多名独特的Twitter用户的推文模式来测试这两个经常被引用的假设。我们从芝加哥大都会规划局的详细库存中提取了每条地理位置推文的土地使用属性。通过使用DBSCAN算法对语义丰富的推文进行聚类来确定访问量最高的位置。我们的研究结果表明，虽然前两个位置可能是住宅和职业/教育，一部分用户偏离了这种情况，这表明第一个假设过于简化了现实世界的情况。然而，我们的观察表明，人们在特定时间发推文，这些时间特征取决于土地利用类型。我们进一步讨论了混杂变量的含义，例如聚类算法参数和推文坐标的相对准确性，这些变量是任何涉及Twitter数据的实验设计中的关键因素。
2015-12-21 cs.SI
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
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
Geotagging One Hundred Million Twitter Accounts with Total Variation Minimization
地理注释的社交媒体对于现代信息检索来说是极其有价值的。然而，当研究人员只能访问公开可见的数据时，人们很快就会发现社交媒体用户很少发布位置信息。在这项工作中，我们提供了一种方法，可以地理定位绝大多数活跃的Twitter用户，独立于他们的位置共享偏好，只使用公开可见的Twitter数据。我们的方法推断一个未知用户的位置通过检查他们的朋友的位置。我们将地理标记问题框架为基于总变分目标的社交网络优化问题，并为其解决方案提供了一个可扩展的分布式算法。此外，我们还展示了如何对每个用户自我网络的地理分散度进行稳健估计，作为每用户准确性度量，这可以有效地消除外围错误。Leave-many-out评估表明，我们的方法能够以6.38 km的中位误差推断101，846，236个Twitter用户的位置，使我们能够对超过80%的公共推文进行地理标记。
2015-03-04 cs.SI physics.soc-ph
CoVaxxy: A Collection of English-language Twitter Posts About COVID-19 Vaccines
由于目前相当大比例的人口对接种COVID-19疫苗犹豫不决，因此人们能够获得准确的信息非常重要。然而，社交媒体上流传着大量关于疫苗的低可信度信息。在本文中，我们介绍了CoVaxxxy数据集，这是一个不断增长的关于COVID-19疫苗的英语Twitter帖子的集合。使用一周的数据，我们提供了关于一段时间内推文数量，使用的标签和共享的网站的统计数据。我们还说明了如何利用这些数据，随着时间的推移，高和低可信度的来源，话题组的标签，和地理分布的流行率进行分析。此外，我们还开发并展示了CoVaxxxy仪表板，让人们可以可视化COVID-19疫苗采用与我们数据集中美国地理位置帖子之间的关系。该数据集可用于研究在线信息对COVID-19健康结果的影响（例如，疫苗摄取），我们的仪表板可以帮助探索数据。
2021-04-20 cs.SI
A Hierarchical Location Prediction Neural Network for Twitter User Geolocation
Carnegie Mellon University（卡内基梅隆大学）
用户位置的准确估计对于许多在线服务是重要的。以前的基于神经网络的方法在很大程度上忽略了位置之间的层次结构。在本文中，我们提出了一个分层的位置预测神经网络的Twitter用户的地理定位。我们的模型首先为用户预测本国，然后使用国家结果来指导城市级别的预测。此外，我们采用了字符感知的词嵌入层，以克服噪声信息的推文。通过特征融合层，我们的模型可以适应各种特征组合，并在不同特征设置下通过三种常用基准测试获得最先进的结果。它不仅提高了预测精度，而且大大降低了平均误差距离。
2019-10-28 cs.CL cs.SI
Geo-located Twitter as the proxy for global mobility patterns
随着位置共享服务的普遍存在，研究人员获得了前所未有的人类活动在空间和时间上的直接记录。本文分析了地理定位的Twitter消息，以揭示全球人类流动的模式。基于2012年记录的近10亿条推文的数据集，我们估计了居住国的国际旅行者数量。我们研究了不同国家的流动概况，考察了流动率、回转半径、目的地多样性和流入流出平衡等特征。时间模式揭示了国际流动性增加的普遍季节和监督旅行的特殊民族性质。我们的Twitter移动网络的社区结构的分析，获得与迭代网络分区，揭示了空间凝聚力的区域，遵循世界的区域划分。最后，我们验证了我们的结果与其他作者提供的全球旅游统计数据和流动性模型，并认为Twitter是一个可行的来源，以了解和量化全球流动模式。
2013-12-28 cs.SI physics.soc-ph
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
Is Twitter Enough? Investigating Situational Awareness in Social and Print Media during the Second COVID-19 Wave in India
这一流行病需要有效分配公共资源，并改变现有的社会职能方式。为了管理任何危机，政府和公共卫生研究人员利用他们所掌握的信息，以便做出明智的决策，也被定义为态势感知。利用社交媒体收集对情况的了解对于管理流行病起到了作用。之前的研究主要集中在Twitter、Reddit或Facebook等社交媒体平台上流行病危机期间的讨论，并开发NLP技术，从大量消息和帖子中过滤出相关讨论。社交媒体的使用随着互联网普及率和其他社会经济因素的变化而变化，这可能会导致分析不同地区讨论的差异。然而，无论地理位置如何，印刷媒体都是无处不在的信息源。此外，新闻文章中讨论的话题已经具有新闻价值，而在社交媒体上，新闻价值是技术社会过程的产物。为了发展这种根本性的差异，我们研究了印度第二次浪潮期间的Twitter数据，重点关注了六个具有不同宏观经济因素的高人口城市。通过定性和定量相结合的方法，我们进一步分析了同一时期的两家印度报纸，并比较了Twitter和报纸上的主题，以评估这些平台对COVID第二阶段的态势感知。我们的结论是，互联网普及率和GDP等因素在一个特定的城市影响的话语周围的情况更新社交媒体。因此，用从社交媒体提取的信息来扩充报纸上的信息，将为资源短缺的城市提供更全面的视角。
2022-11-29 cs.SI
Where in the World are You? Geolocation and Language Identification in Twitter
毫无疑问，思想和内容在不同地点和语言之间的流动是信息时代研究人员的关键问题，Twitter已经成为数亿人分享知识和信息的中心全球平台。各种研究试图从推文中获取位置和语言元数据，以了解与每天通过该平台的3亿条推文相关的重要问题。然而，这项工作的大部分是在对如何最好地利用产生信息的空间和语言背景的理解有限的情况下进行的。此外，标准的、广为接受的做法尚未出现。因此，本文研究了用于确定Twitter内容的语言和位置的关键方法的可靠性。它将三个自动语言识别包与Twitter的用户界面语言设置和人类语言编码进行比较，以识别常见的分歧来源。该文件还表明，在许多情况下，用户输入的配置文件的位置不同于用户实际上是从鸣叫的物理位置。因此，这些开放式的、用户生成的个人资料位置不能用作向Twitter发布信息的物理位置的有用代理。
2013-08-03 cs.CY cs.SI
Understanding Human Mobility from Twitter
了解人类流动对于从疾病预测到通信网络的广泛应用至关重要。到目前为止，研究人类流动的大多数努力都使用私有和低分辨率数据，例如呼叫数据记录。在这里，我们建议Twitter作为人类流动的代理，因为它依赖于公开的数据，并提供高分辨率定位时，用户选择地理标记他们的推文与他们的当前位置。我们分析了一个Twitter数据集，其中包含在澳大利亚发布的600多万条带有地理标记的推文，我们证明Twitter可以成为研究人类流动模式的可靠来源。我们的分析表明，地理标记的推文可以捕捉到人类流动的丰富特征，如个人之间的运动轨迹的多样性和城市内部和之间的运动。我们还发现，短距离和长距离的移动都花费他们的大部分时间在大都市地区，在对比中距离的移动，反映了不同的旅行方式的影响。我们的研究提供了坚实的证据，证明Twitter确实可以成为跟踪和预测人类运动的有用代理。
2015-04-22 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
Characterizing People's Daily Activity Patterns in the Urban Environment: A Mobility Network Approach with Geographic Context-Aware Twitter Data
人们在城市环境中的日常活动是复杂的，因人而异。使用移动电话数据的现有研究揭示了人们日常生活中独特和经常性的过渡活动模式，称为移动性图案。然而，仅使用少数推断活动类型的限制阻碍了我们详细检查一般模式的能力。我们提出了一个移动网络的方法与地理上下文感知的Twitter数据，调查粒度的日常活动模式在城市环境中。我们首先利用可公开访问的地理定位推文来跟踪美国两个主要城市的个人活动：芝加哥和大波士顿，其中每个记录的位置都与其最近的土地使用地块相关联，以丰富其地理背景。一个直接的移动性网络表示所选择的活动用户的日常位置历史，其中的节点是具有语义标记的活动类型的物理位置，和边缘表示的过渡。通过分析移动网络的同构结构，发现了16种基于位置的基序，这些基序描述了两个城市超过83%的网络，与以前的研究结果相当。通过对两个活动之间的过渡进行详细的语义标注，我们进一步将一般的基于位置的模体分解为基于活动的模体，其中16个常见的基于活动的模体描述了两个城市日常活动中超过57%的过渡行为。地理定位的Twitter数据与土地使用地块的合成地理背景的整合，使我们能够揭示独特的活动图案，形成嵌入在复杂的城市活动的基本元素。
2020-12-12 cs.SI physics.soc-ph
Home Location Identification of Twitter Users
IBM Research – Almaden（IBM 阿尔马登研究中心）
我们提出了一种新的算法来推断Twitter用户的家庭位置在不同的粒度，包括城市，州，时区或地理区域，使用用户的推文的内容和他们的推文行为。与现有的方法不同，我们的算法使用的统计和启发式分类器来预测位置，并利用一个地理地名词典来识别地名实体。我们发现，一个分层的分类方法，其中时区，国家或地理区域的预测第一和城市的预测下，可以提高预测精度。我们还分析了Twitter用户的运动变化，建立了一个分类器来预测用户是否在一定时间内旅行，并使用它来进一步提高位置检测的准确性。实验证据表明，我们的算法在实践中工作得很好，并优于现有的最好的算法来预测Twitter用户的家庭位置。
2014-03-07 cs.CL cs.CY cs.SI
Catching up with trends: The changing landscape of political discussions on twitter in 2014 and 2019
4G的出现增加了印度互联网的使用，这引发了大量的在线讨论。在线社交网络（OSN）是这些讨论的中心。在选举期间，政治讨论构成了这些网络上热门话题的重要组成部分。政治家和政党赶上了这些趋势，社交媒体成为他们宣传议程的一部分。我们不能在任何选举中忽视这一趋势，无论是美国、德国、法国还是印度。Twitter是我们观察这些趋势的主要平台。在这项工作中，我们通过对比2014年和2019年印度大选中性别、政党和地理等层面的平台使用情况，研究了Twitter上政治讨论的规模。为了进一步了解政党所遵循的策略，我们比较了印度人民党（BJP）和印度国民大会（INC）在2019年大选中使用Twitter的情况，以了解他们如何有效地利用该平台。我们特别分析了获胜的政治家的把柄。然后，我们继续比较BJP和INC的领导人所持有的政治手柄：Narendra Modi（@narendramodi）和Rahul Gandhi（@RahulGandhi）使用参数，如“关注”，“推特习惯”，“用于推特的来源”，以及推文的文本分析。通过这项工作，我们还引入了一个丰富的数据集，涵盖了2014年和2019年选举期间的大多数推文。
2019-09-18 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
Depicting urban boundaries from a mobility network of spatial interactions: A case study of Great Britain with geo-located Twitter data
现有的城市边界通常由政府机构出于行政、经济和政治目的而界定。考虑社会经济关系和市民通勤模式的城市边界界定对于城市和区域规划的许多方面都很重要。在本文中，我们描述了一种方法来划定城市边界的基础上，从社会媒体推断的物理空间与人类的互动。具体来说，我们使用Twitter用户空间交互的移动网络描绘了英国的城市边界，该网络是从超过6900万条地理位置的推文中推断出来的。我们定义的非行政区划边界的层次结构的基础上不同的物理运动范围的用户来自Twitter用户在英国的集体流动模式。网络空间中以社区形式存在的紧密联系的城市区域的结果产生了地理上有凝聚力的、不重叠的城市区域，这为英国的非行政地理城市边界提供了清晰的划定。该方法适用于国家（英国）和市政规模（伦敦大都市）。虽然我们的研究结果与行政边界吻合良好，但发现了许多意想不到和有趣的边界。重要的是，由于所描绘的城市边界表现出很强的空间邻近性，我们采用了重力模型来理解距离衰减对塑造划定的城市边界的影响。该模型解释了移动模式中的地理距离如何影响不同非行政区划城市区域之间的互动强度，为人类与城市空间的空间互动提供了新的见解。
2017-01-11 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
Retrieving false claims on Twitter during the Russia-Ukraine conflict
如今，社交媒体上的虚假和未经证实的信息在重大地缘政治事件中动摇了个人的看法，并威胁到整个数字信息生态系统的质量。自俄罗斯入侵乌克兰以来，几个事实核查组织一直积极参与核实网上流传的与冲突有关的故事。在本文中，我们利用一个经过事实核查的公共声明库来构建一个方法框架，用于自动识别2022年2月在Twitter上传播的虚假和未经证实的声明。我们的框架由两个顺序模型组成：首先，索赔检测模型确定在我们的集合中考虑的推文中是否包含（虚假）索赔。然后，索赔检索模型通过根据其与输入推文的相关性对经验证的索赔进行排名来将推文与经事实检查的信息进行匹配。这两个模型都是基于预先训练的语言模型，并分别进行了微调，以执行文本分类任务和信息检索任务。特别是，为了验证我们方法的有效性，我们考虑了入侵第一周在Twitter上传播的83个经过验证的虚假声明，并根据他们报告的声明手动注释了5，872条推文。我们的实验表明，我们提出的方法优于标准基线索赔检测和索赔检索。总的来说，我们的研究结果突出了社交媒体提供商如何有效地利用半自动化方法来识别、跟踪并最终缓和在其平台上传播的虚假信息。
2023-03-17 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
Multiview Deep Learning for Predicting Twitter Users' Location
Vrije Universiteit Brussel（布鲁塞尔自由大学）；IMEC（微电子研究中心）
在Twitter等大型社交网络上预测用户位置的问题已经出现在社会动荡检测和在线营销等现实应用中。Twitter用户地理定位是一个困难而活跃的研究课题，有大量的文献。大多数建议的方法遵循基于内容或基于网络的方法。前者利用用户生成的内容，而后者利用Twitter用户之间的联系或互动。在本文中，我们介绍了一种新的方法结合这两种方法的优势。具体来说，我们提出了一个多入口神经网络架构MENET利用深度学习和多视图学习的进步。MENET的通用性使多种数据表示的集成成为可能。在Twitter用户地理定位的背景下，我们实现MENET与文本，网络和元数据的功能。考虑到Twitter用户在所关注的地理区域的自然分布，我们将地球表面细分为多尺度单元，并使用单元的标签训练MENET。我们表明，我们的方法在三个基准数据集上的表现远远优于最先进的方法。
2017-12-21 cs.IR cs.LG cs.SI
Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US
在疾病爆发期间，及时的非医疗干预措施对于防止疾病发展为流行病并最终成为大流行病至关重要。然而，采取快速措施需要有能力发现疫情的早期预警迹象。这项工作收集了围绕2020年COVID-19大流行的Twitter帖子，这些帖子表达了COVID-19最常见的症状，包括咳嗽和发烧，地理位置位于美国。通过检查州一级Twitter活动的变化，我们观察到症状报告推文数量的增加与官方报告的阳性病例之间存在时间滞后，时间在5至19天之间。
2020-05-01 cs.CY cs.SI
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
Image Analysis Enhanced Event Detection from Geo-tagged Tweet Streams
从社交媒体流中检测到的事件通常包括事故、犯罪或灾难的早期迹象。因此，相关方可利用这些信息作出及时和有效的反应。虽然从推文流中进行事件检测已经取得了重大进展，但大多数现有方法都没有考虑推文中发布的图像，这些图像提供比文本更丰富的信息，并且可能是事件是否发生的可靠指标。在本文中，我们设计了一个事件检测算法，结合文本，统计和图像信息，以下无监督的机器学习方法。具体而言，该算法从语义和统计分析开始，以获得推文簇的列表，每个推文簇对应于一个事件候选，然后执行图像分析以将事件与非事件分开-为每个簇训练卷积自动编码器作为异常检测器，其中一部分图像用作训练数据，其余图像用作测试实例。我们在多个数据集上的实验验证了当事件发生时，与候选者是非事件集群的情况相比，训练图像和测试图像的平均重建误差要接近得多。基于这一发现，如果差异大于阈值，则算法拒绝候选者。对数百万条推文的实验结果表明，这种图像分析增强的方法可以显着提高准确率，同时对召回率的影响最小。
2020-02-11 cs.IR cs.SI
The Spatial Structures in the Austrian COVID-19 Protest Movement: A Virtual and Geospatial Twitter User Network Analysis
本文通过对带地理参考的 Twitter 用户网络开展大规模空间—社会网络分析，揭示奥地利 COVID-19 抗议运动沿地理、语言和国家社群组织，且区域与地方因素强于跨国影响。
2024-04-07 cs.SI physics.soc-ph stat.AP
Spatio-Temporal Analysis of Topic Popularity in Twitter
我们提出了第一个全面的表征的想法在Twitter上的传播，研究超过4000个主题，包括流行和不太流行的主题。在一个包含大约1000万用户的数据集上，我们对这些用户在2009年6月至2009年8月期间发布的所有推文（大约2亿条推文）进行了全面的抓取，我们进行了严格的时间和空间分析，调查了用户讨论每个主题所形成的子图的时间演化特性。我们专注于两个不同的概念的空间：网络拓扑结构形成的追随者，以下的链接在Twitter上，和用户的地理空间位置。我们调查了发起人对主题流行度的影响，发现拥有大量追随者的用户对流行度有很强的影响。我们推断，当讨论主题的用户开始合并并形成一个巨大的组成部分，覆盖网络的很大一部分时，主题就会变得流行。我们的地理空间分析表明，非常受欢迎的主题是那些积极跨越区域边界的主题。
2011-11-15 cs.CY cs.SI
From Pro, Anti to Informative and Hesitant: An Infoveillance study of COVID-19 vaccines and vaccination discourse on Twitter
本研究通过大规模带地理标签的Twitter数据集GeoCovaxTweets Extended，分析38个月内COVID-19疫苗话语，发现多数推文与疫情无关，且话语随接种进展转向支持与信息性，为公共卫生传播提供洞见。
2024-03-14 cs.SI physics.soc-ph
Inferring the geographic focus of online documents from social media sharing patterns
确定数字媒体的地理焦点是现代地理信息检索必不可少的第一步。然而，公开可见的位置注释在在线数据中非常稀疏。在这项工作中，我们展示了一种方法，推断的地理重点的在线文档，通过检查Twitter用户共享链接到该文件的位置。我们将地理标记技术应用于从不同内容构建的多个数据集：手动注释的新闻文章，GDELT，YouTube，Flickr，Twitter和Tumblr。
2014-06-10 cs.SI physics.soc-ph
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
DomainDemo: a dataset of domain-sharing activities among different demographic groups on Twitter
本文提出DomainDemo数据集，通过将Twitter上共享的域名与150万美国选民的人口特征关联，生成了量化网站地理覆盖和意识形态倾向等五个指标，为研究不同群体十年间的信息流动与公共话语趋势提供了可靠资源。
2025-07-16 cs.CY cs.SI
Mega-COV: A Billion-Scale Dataset of 100+ Languages for COVID-19
University of British Columbia（不列颠哥伦比亚大学）
我们描述了Mega-COV，这是Twitter用于研究COVID-19的十亿规模数据集。该数据集是多样化的（覆盖268个国家），纵向的（可以追溯到2007年），多语言的（有100多种语言），并有大量的位置标记的推文（~ 1.69亿推文）。我们从数据集中释放推文ID。我们还开发并发布了两个强大的模型，一个用于识别推文是否与大流行相关（最佳F1=97%），另一个用于检测有关COVID-19的错误信息（最佳F1=92%）。一项人类注释研究揭示了我们的模型在Mega-COV子集上的实用性。我们的数据和模型可用于研究与这一流行病有关的大量现象。Mega-COV和我们的模型是公开的。
2021-02-05 cs.CL cs.SI
ISIS at its apogee: the Arabic discourse on Twitter and what we can learn from that about ISIS support and Foreign Fighters
Università degli Studi di Milano（米兰大学）
我们分析了2014年7月至2015年1月期间Twitter上以阿拉伯语发布的2620万条评论，当时ISIS的实力达到顶峰，该组织正在显著扩大其控制的领土面积。通过这样做，我们能够衡量在线阿拉伯社区中对伊斯兰国的支持和厌恶的比例。然后我们研究两个具体的主题。首先，通过利用推文的时间粒度，我们将意见与日常事件联系起来，以了解ISIS支持率变化趋势的主要决定因素。其次，通过利用推文的地理位置，我们探索了各国在线意见与加入ISIS的外国战斗人员数量之间的关系。
2018-04-24 cs.CL cs.SI
Twitter conversations predict the daily confirmed COVID-19 cases
The University of Melbourne（墨尔本大学）
截至撰写本文时，COVID-19（2019冠状病毒病）已蔓延至220多个国家和地区。疫情爆发后，疫情的严重性使人们在社交媒体上更加活跃，特别是在Twitter和微博等微博平台上。几个月来，针对大流行的讨论一直在这些平台上保持趋势。先前的研究已经证实了这种社会产生的对话对危机事件的情景意识的贡献。对病例的早期预测对于当局估计应对病毒蔓延所需的资源需求至关重要。因此，本研究试图将公众话语的预测模型的设计，特别是针对陡峭的丘陵地区的一个正在进行的波。我们提出了一种基于主题的潜变量搜索方法，用于从公开的Twitter对话中设计预测模型。作为一个用例，我们对澳大利亚COVID-19日常病例和该国境内产生的Twitter对话实施了拟议的方法。实验结果：（i）显示Granger-导致每日COVID-19确诊病例的潜在社交媒体变量的存在，以及（ii）确认这些变量为预测模型提供了额外的预测能力。此外，结果表明，包含社交媒体变量比基线模型的RMSE提高了48.83- 51.38%。我们还向公众发布了大规模的COVID-19特定地理标记的全球推文数据集MegaGeoCOV，预计这种规模的地理标记数据将有助于通过其他空间和时间背景了解大流行病的对话动态。
2022-09-13 cs.CL 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
COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies
有关COVID-19疫苗的虚假声明可能会破坏公众对正在进行的疫苗接种活动的信任，从而对全球公共卫生构成威胁。自2019冠状病毒病疫情开始以来，源自各种来源的错误信息一直在网上传播。在本文中，我们提出了一个Twitter帖子的数据集，这些帖子表现出强烈的反疫苗立场。该数据集由两部分组成：a）以关键字为中心的流媒体数据汇集，其中包含超过180万条推文; b）历史账户级别的收集，其中包含超过1.35亿条推文。前者利用Twitter流媒体API，从2020年10月中旬开始跟踪一组特定的疫苗相关关键词。后者包括7万个账户的所有历史推文，这些账户参与了反疫苗叙事的积极传播。我们提出了描述性分析，显示随着时间的推移，地理分布，主题，新闻来源和推断帐户政治倾向的活动量。该数据集可用于研究社交媒体上的反疫苗错误信息，并使人们更好地了解疫苗犹豫。根据Twitter的服务条款，我们的匿名数据集可在以下网址公开获取：https://github.com/gmuric/avax-tweets-dataset
2021-05-14 cs.CY cs.SI
The Royal Birth of 2013: Analysing and Visualising Public Sentiment in the UK Using Twitter
University of St Andrews（圣安德鲁斯大学）
分析从Twitter等微博客服务检索到的信息，可以为了解一个地理区域的公众情绪提供有价值的见解。这种洞察力可以通过在地理环境中可视化信息来丰富。情感分析的两种基本方法是基于词典的和机器学习。前者在公众情感分析中很受欢迎，而后者在从Twitter数据中聚合公众情绪方面的用途有限。本文提出的研究旨在扩展机器学习方法来聚合公众情绪。为此，开发了一个用于分析和可视化Twitter语料库中公众情绪的框架。一个基于字典的方法和机器学习方法的框架内实施，并使用一个英国的案例研究，即2013年的皇家诞生进行比较。案例研究验证了分析和快速可视化框架的可行性。一个观察结果是，当分析大量推文时，流行的基于词典的方法和机器学习方法产生的结果之间存在良好的相关性。然而，为了实现快速分析，需要使用大数据技术和并行方法开发更快的方法。
2013-08-16 cs.CL cs.IR cs.SI
CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information
作为一个平台，Twitter一直是讨论COVID-19疫情的重要公共空间。Twitter等公共社交媒体平台是参与大流行病的重要网站，这些数据可供研究团队用于社会、健康和其他研究。了解公众对COVID-19的看法以及信息如何在社交媒体上传播对政府和研究机构非常重要。Twitter是一个无处不在的公共平台，因此在了解公众对COVID-19的看法、行为和态度方面具有巨大的效用。在这项研究中，我们展示了CML-COVID，这是一个COVID-19 Twitter数据集，包含来自5，977，653个独立个体的19，298，967百万条推文，并总结了这些数据的一些属性。这些推文是在2020年3月至2020年7月期间使用与COVID-19相关的冠状病毒、COVID和口罩等查询词收集的。我们使用主题建模、情感分析和描述性统计来描述我们收集的与COVID-19相关的推文以及推文的地理位置（如有）。我们提供有关如何访问我们的tweet数据集的信息（使用twarc存档）。
2021-01-28 cs.CY cs.HC cs.SI
Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data
COVID-19大流行以前所未有的规模影响了世界各地人们的生活。我们打算使用大规模社交媒体数据来调查应对疫情的囤积行为。首先，我们收集了冠状病毒爆发后不久与囤积有关的推文。接下来，我们分析了2020年3月1日至4月30日期间美国超过42，000名独特Twitter用户的囤积和反囤积模式，并按年龄，性别和地理位置分析了与囤积相关的推文。我们发现囤积和反囤积组中的女性比例高于一般Twitter用户群体。此外，使用主题建模，我们调查的意见表示对囤积行为进行分类，这些主题根据人口和地理群体。我们还使用词汇法计算了囤积和反囤积相关推文的焦虑分数。通过将他们的焦虑分数与基线Twitter焦虑分数进行比较，我们揭示了进一步的见解。囤积相关推文的LIWC焦虑均值显著高于基线Twitter焦虑均值。有趣的是，与推文中提到的其他囤积物品相比，啤酒的计算焦虑得分最高。
2021-06-28 cs.CY cs.SI
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
