Suicidal Ideation Detection on Social Media: A Review of Machine Learning Methods
King AbdulAziz University（阿卜杜勒阿齐兹国王大学）
社交媒体平台改变了传统的沟通方式，允许全球用户即时、公开和频繁地进行沟通。人们使用社交媒体来表达他们的观点，分享他们的个人故事和斗争。表达艰难、死亡和自我伤害的负面情绪在社交媒体上很普遍，尤其是在年轻一代中。因此，使用社交媒体来检测和识别自杀意念将有助于提供适当的干预，最终阻止他人自残和自杀，并防止自杀意念在社交媒体上传播。已经进行了许多研究，以确定社交媒体中的自杀意念和行为。本文全面总结了目前在社交媒体上使用机器学习算法检测自杀意念的研究工作。本文回顾了24项研究，调查社交媒体用于自杀意念检测的可行性，旨在促进该领域的进一步研究，并将成为从事自杀文本分类的研究人员的有益资源。
2022-01-25 cs.CL
Mining Social Media for Newsgathering: A Review
Queen Mary University of London（伦敦玛丽女王大学）
社交媒体正在成为了解突发新闻和跟踪正在进行的新闻的最新发展的越来越重要的数据来源。这在一定程度上是由于移动设备的存在，移动设备允许任何人访问互联网，从任何地方发布更新，从而导致公民新闻的出现越来越多。因此，社交媒体已成为记者在新闻采集过程中的首选资源。然而，利用社交媒体进行新闻采访具有挑战性，需要适当的工具来便利获取有用的信息进行报道。在本文中，我们提供了一个概述的研究数据采掘和自然语言处理挖掘社会媒体的新闻采集。我们讨论了研究人员为减轻社交媒体新闻采集固有的挑战而开展的五个不同领域：新闻发现，新闻策划，内容验证和验证，新闻采集仪表板和其他任务。我们概述了迄今为止在该领域取得的进展，总结了当前的挑战，并讨论了未来的方向，在使用计算新闻，以协助社会媒体新闻采集。这篇评论与研究社交媒体新闻的计算机科学家以及对计算机科学和新闻学交叉感兴趣的跨学科研究人员有关。
2019-09-11 cs.CL cs.IR cs.SI
Social Media Argumentation Mining: The Quest for Deliberateness in Raucousness
University of Zagreb（萨格勒布大学）
从社交媒体内容中挖掘论证已经引起越来越多的关注。这项任务既有挑战性，又有回报。用户生成内容的非正式性质使得这项任务非常困难。另一方面，通过对社交媒体论证进行大规模分析可以获得的见解使其成为一项非常有价值的任务。在这份立场文件中，我讨论了社会媒体论证挖掘的动机，以及所涉及的任务和挑战。
2016-12-31 cs.CL
Automatically Infer Human Traits and Behavior from Social Media Data
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
鉴于人类思维的复杂性和行为的灵活性，它需要复杂的数据分析来筛选大量的人类行为证据，以模拟人类思维并预测人类行为。人们目前在Twitter和Facebook等社交媒体上花费大量时间。因此，他们生活和行为的许多方面都被数字化捕捉并持续存档在这些平台上。这使得社交媒体成为大量，丰富和多样化的人类行为证据的重要来源。在本文中，我们调查了最近的工作应用机器学习推断人类的特征和行为，从社会媒体数据。我们还将指出几个未来的研究方向。
2018-04-11 cs.CL cs.IR cs.SI
Modeling Political Orientation of Social Media Posts: An Extended Analysis
Oklahoma State University（俄克拉荷马州立大学）；Southwestern Oklahoma State University（俄克拉荷马州立西南大学）；Colorado State University（科罗拉多州立大学）
本文提出两种利用新闻媒体偏见和帖子内容标注社交媒体帖子的启发式方法，结合传统监督学习与少样本学习预测帖子政治倾向，在Gab和Twitter上验证了方法的有效性。
2023-11-21 cs.CL cs.LG cs.SI
Extracting and categorising the reactions to COVID-19 by the South African public -- A social media study
University of Pretoria（比勒陀利亚大学）；CSIR（南非科学与工业研究理事会）；Mail and Guardian（《邮卫报》）
社交媒体可用于在灾难期间提取讨论主题。随着COVID-19疫情对南非的影响，我们需要了解政府为应对疫情而颁布的法律法规与社交媒体用户一直参与的讨论话题的对比。在这项工作中，我们通过使用由南非政府官员驱动或针对南非政府官员的社交媒体讨论来扩展传统媒体分析。我们发现，在某些情况下，主题是相似的，以及不同的。这些发现可以为南非及其他地区在灾难环境中对社交媒体的进一步研究提供信息。本文为未来的分析提供了一个框架，以了解大流行期间公众的意见，以及如何[以半自动化的方式]提取这些意见，为未来的政府沟通提供信息。
2021-08-09 cs.CL cs.CY cs.SI
Combine CRF and MMSEG to Boost Chinese Word Segmentation in Social Media
Shanghai Jiaotong University（上海交通大学）
本文提出了一种中文社交媒体分词的联合算法。以往的工作主要集中在针对普通中文文本的分词，要开发一个中文社会化媒体处理工具，需要考虑到社会化媒体的主要特点，其语法结构不严谨，使用口语化和网络术语的倾向使得现有的中文处理工具在社会化媒体上效率低下，无法获得良好的性能。在该方法中，我们将CRF和MMSEG算法相结合，并扩展了传统CRF算法的特点，对模型进行训练，用于分词。我们在新浪微博上的实验结果表明，我们的方法优于国家的最先进的模型。
2015-10-24 cs.CL
SocialQuotes: Learning Contextual Roles of Social Media Quotes on the Web
Google Research（谷歌研究院）
提出一种语言建模框架自动标注社交媒体嵌入在网页上下文中的角色，并发布包含超3200万条引用的SocialQuotes数据集，通过角色分类案例研究展示了现代LLM的合理性能并揭示了跨平台角色分布。
2024-07-22 cs.CL
SMILE: Evaluation and Domain Adaptation for Social Media Language Understanding
Google Research（谷歌研究院）
本文提出SMILE基准，涵盖4个社交媒体平台和11项任务，用于评估语言模型对社交媒体语言的理解能力，并证明在混合语料上训练tokenizer和预训练可显著提升模型性能。
2023-06-30 cs.CL
A Discussion on Influence of Newspaper Headlines on Social Media
Trinity College Dublin, University of Dublin（都柏林大学圣三一学院）
报纸头条的贡献很大，并对社交媒体产生影响。本文研究了动词和形容词对新闻标题的影响力的持久性，并确定了影响其在社交媒体上的性质的因素。每个标题都根据其情绪得分分为积极，消极或中性。初步结果表明，情绪性质的强度与社交媒体印象呈正相关。此外，动词和形容词与情感得分有一定的关系
2019-09-05 cs.CL
Comparing Measures of Linguistic Diversity Across Social Media Language Data and Census Data at Subnational Geographic Areas
University of Canterbury（坎特伯雷大学）
该研究针对新西兰奥特亚罗瓦次国家级区域，对比社交媒体与人口普查数据的语言多样性度量，发现社交媒体数据可用于观测区域语言多样性时空变化，但需进一步验证其对现实行为的表征能力。
2023-08-21 cs.CL
TweetNLP: Cutting-Edge Natural Language Processing for Social Media
Cardiff University（卡迪夫大学）；AMPLYFI（AMPLYFI公司）；University of Cambridge（剑桥大学）；University of Granada（格拉纳达大学）；Graphext（Graphext公司）；Snap Inc.（Snap公司）
在本文中，我们提出了TweetNLP，一个集成的平台，自然语言处理（NLP）在社交媒体。TweetNLP支持多种NLP任务，包括情感分析和命名实体识别等通用重点领域，以及表情符号预测和攻击性语言识别等社交媒体特定任务。特定于任务的系统由大小合理的基于transformer的语言模型提供支持，这些语言模型专门针对社交媒体文本（特别是Twitter），可以在不需要专用硬件或云服务的情况下运行。TweetNLP的主要贡献是：（1）一个集成的Python库，用于一个现代工具包，支持使用我们适应社交领域的各种特定任务模型进行社交媒体分析;（2）一个使用我们的模型进行无代码实验的交互式在线演示;（3）一个涵盖各种典型社交媒体应用程序的教程。
2022-10-25 cs.CL
TempoWiC: An Evaluation Benchmark for Detecting Meaning Shift in Social Media
Cardiff University（卡迪夫大学）；Snap Inc.（Snap公司）；AMPLYFI（AMPLYFI公司）
语言随着时间的推移而演变，词义也随之变化。这在社交媒体中尤其如此，因为它的动态特性导致更快的语义转变，使NLP模型在处理新内容和趋势方面具有挑战性。然而，专门针对这些社交平台的动态性质的数据集和模型的数量很少。为了弥合这一差距，我们提出了TempoWiC，一个新的基准，特别是旨在加速研究基于社交媒体的意义转变。我们的研究结果表明，TempoWiC是一个具有挑战性的基准，即使是最近发布的专门用于社交媒体的语言模型。
2022-09-16 cs.CL
Topic-Aware Neural Keyphrase Generation for Social Media Language
The Chinese University of Hong Kong（香港中文大学）；Tencent AI Lab（腾讯人工智能实验室）
每天都有大量的用户生成内容在社交媒体上产生。为了促进自动语言理解，我们研究了关键短语预测，从大量帖子中提取突出信息。虽然大多数现有的方法从源帖子中提取单词来形成关键词，但我们提出了一个基于序列到序列（seq2seq）的神经关键词生成框架，可以创建缺失的关键词。此外，我们的模型，是主题感知，允许联合建模的语料库级别的潜在主题表示，这有助于缓解数据稀疏，广泛表现在社会媒体语言。在英文和中文社交媒体平台上收集的三个数据集上的实验表明，我们的模型明显优于不利用潜在主题的提取和生成模型。进一步的讨论表明，我们的模型学习有意义的主题，这解释了它在社交媒体关键词生成的优越性。
2019-06-10 cs.CL
NTULM: Enriching Social Media Text Representations with Non-Textual Units
Twitter, Inc.（推特公司）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
在社交媒体上，额外的上下文通常以注释和元数据的形式存在，例如帖子的作者，提及，主题标签和超链接。我们将这些注释称为非文本单位（NTU）。我们认为，NTU提供超越其文本语义的社会背景，利用这些单位可以丰富社会媒体文本表示。在这项工作中，我们构建了一个以NTU为中心的社会异构网络，共同嵌入NTU。然后，我们主要将这些NTU嵌入集成到一个大型的预训练语言模型通过微调这些额外的单元。这为嘈杂的短文本社交媒体增加了背景。实验表明，利用NTU增强的文本表示在许多下游任务上显著优于现有的纯文本基线2- 5%的相对点，突出了上下文对社交媒体NLP的重要性。我们还强调，包括NTU上下文到语言模型的初始层旁边的文本是更好的比使用它后，文本嵌入生成。我们的工作导致了整体通用社交媒体内容嵌入的生成。
2022-10-29 cs.AI cs.CL cs.LG
BRUMS at SemEval-2020 Task 12 : Transformer based Multilingual Offensive Language Identification in Social Media
University of Wolverhampton（伍尔弗汉普顿大学）；Birmingham City University（伯明翰城市大学）
在本文中，我们描述了团队\textit{BRUMS}进入OffensEval 2：SemEval-2020中社交媒体中的多语言攻击性语言识别。OffensEval组织者向参与者提供了带有注释的数据集，其中包含来自阿拉伯语、丹麦语、英语、希腊语和土耳其语社交媒体的帖子。我们提出了一个多语言深度学习模型来识别社交媒体中的攻击性语言。总体而言，该方法达到了可接受的评价分数，同时保持了语言之间的灵活性。
2020-10-13 cs.AI cs.CL
PHEMEPlus: Enriching Social Media Rumour Verification with External Evidence
University of Warwick（华威大学）；The Alan Turing Institute（阿兰·图灵研究所）
社交媒体谣言核实工作利用来自帖子、其传播和相关用户的信号。其他工作的目标是根据维基百科的信息识别和事实核查声明，或者在不考虑社交媒体背景的情况下可靠的新闻文章。然而，缺乏将社交媒体的信息与更广泛的网络的外部证据相结合的作品。为了促进这一方向的研究，我们发布了一个新的数据集PHEMEPlus，这是PHEME基准的扩展，其中包含社交媒体对话以及每个谣言的相关外部证据。我们证明了将这些证据在改善谣言验证模型的有效性。此外，作为证据收集的一部分，我们评估各种方式的查询制定，以确定最有效的方法。
2022-07-28 cs.AI cs.CL cs.CY
