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
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
SoMe: A Realistic Benchmark for LLM-based Social Media Agents
SoMe是一个用于评估基于大语言模型的社会媒体代理能力的现实基准，通过多样化任务和大量数据揭示了现有LLM在处理社交媒体任务中的局限性。
2025-12-09 cs.AI cs.CL cs.SI
SocialPET: Socially Informed Pattern Exploiting Training for Few-Shot Stance Detection in Social Media
Queen Mary University of London（伦敦玛丽女王大学）
针对社交媒体少样本立场检测标注数据不足的问题，提出融合社交网络结构的SocialPET方法，基于PET技术将任务转为完形填空，在仅100个标注样本时优于多个基线模型，且在反对类识别上表现突出。
2024-03-08 cs.CL cs.SI
Understanding Divergent Framing of the Supreme Court Controversies: Social Media vs. News Outlets
University of Rochester（罗切斯特大学）
本文通过定性与定量分析，比较社交媒体与传统媒体在美国最高法院关于平权行动、学生贷款和堕胎权裁决上的框架建构差异，发现社交媒体立场更极化，而新闻媒体仅在部分议题上呈现左右极化，揭示了不同媒介框架差异对舆论和政策的影响。
2023-09-18 cs.CL cs.SI
AMUSED: An Annotation Framework of Multi-modal Social Media Data
University of Duisburg-Essen（杜伊斯堡-埃森大学）；University of Agder（阿格德大学）
在本文中，我们提出了一个名为AMUSED的半自动化框架，用于从多个社交媒体平台收集多模态注释数据。该框架旨在通过在数据汇集过程中紧密结合机器和人类来缓解收集和注释社交媒体数据的问题。从专业新闻媒体或博客的文章列表中，AMUSED检测新闻文章中社交媒体帖子的链接，然后从相应的社交媒体平台下载同一帖子的内容，以收集有关该特定帖子的详细信息。该框架能够从Twitter，YouTube，Reddit等多个平台获取注释数据。该框架旨在减少社交媒体平台数据注释背后的工作量和问题。AMUSED可以应用于多个应用领域，作为用例，我们已经实现了从不同社交媒体平台收集COVID-19错误信息数据的框架。
2021-08-10 cs.CL cs.IR cs.SI
Multilingual Abusiveness Identification on Code-Mixed Social Media Text
Microsoft（微软）；Indian Institute Of Technology (IIT) Guwahati（印度理工学院古瓦哈提分校）
随着时间的推移，社交媒体平台的使用率一直在增长。随着过去一年的封锁，人们的互动，对话和表达受到了身体上的限制，这种增长进一步加速。为了更好的用户体验，保持平台免受滥用内容的影响变得越来越重要。英语社交媒体内容已经做了很多工作，但非英语社交媒体上的文本分析相对来说还不够深入。非英语社交媒体内容还面临着代码混合、音译和在同一句话中使用不同经文的额外挑战。在这项工作中，我们提出了一种方法，包括印度语言的多语言Moj数据集上的滥用识别。我们的方法解决了非英语社交媒体内容的常见挑战，也可以扩展到其他语言。
2022-03-01 cs.CL cs.LG cs.SI
Spatial Data Mining of Public Transport Incidents reported in Social Media
Wrocław University of Science and Technology（弗罗茨瓦夫理工大学）
公共交通机构将社交媒体作为向乘客传达交通事故的重要工具。然而，虽然关于交通现象的短期日常信息通常以低延迟发布在社交媒体上，但其可用性是短期的，因为内容很少以聚合形式呈现。关于交通现象的社交媒体传播通常缺乏GIS注释，因为大多数社交媒体平台不允许将非POI GPS坐标附加到帖子。因此，对传输现象信息的分析是最少的。我们收集了一家波兰公共交通公司三年来在社交媒体上发布的用户评论。通过探索，我们推断出六类交通信息类型。我们成功地为社交媒体帖子构建了一个信息类型分类器，检测帖子中的站点名称，并将其与GPS坐标相关联，从而获得对长期聚合现象的空间理解。我们表明，我们的方法使公民科学，并使用它来分析三年的基础设施事件对乘客流动性的影响，以及对每个事件的情绪和反应规模。波兰语在空间语言理解方面资源不足，尤其是在社交媒体环境中。为了改善这种情况，我们发布了两个带注释的数据集：带有事件类型标签的社交媒体帖子，以及与注释情绪匹配的停止名称和社交媒体评论。我们还开源了实验代码库。
2021-10-11 cs.CL cs.LG cs.SI
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
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
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
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
