The emojification of sentiment on social media: Collection and analysis of a longitudinal Twitter sentiment dataset
Queen Mary University of London（伦敦玛丽女王大学）
针对社交媒体情感纵向研究的空白，构建了含1.84亿条推文、跨度超七年的TM-Senti远程监督情感数据集，分析发现emoji使用量逐渐超过emoticon，且数据集可基于公开存档完整还原。
2025-03-24 cs.CL cs.DL cs.SI
One Year of COVID-19 Vaccine Misinformation on Twitter: Longitudinal Study
疫苗接种在减轻COVID-19和其他疾病的影响方面发挥着关键作用。本研究探讨2021年期间在Twitter上传播的COVID-19疫苗错误信息，当时疫苗正在向公众发布，以缓解全球大流行。我们的研究结果显示，与主流新闻相比，低可信度信息的流行率较低。然而，大多数受欢迎的低可信度来源比权威来源（如CDC和WHO）有更大的再销售量。我们观察到，相对于主流疫苗新闻，低可信度新闻的流行率呈上升趋势。我们还观察到Twitter上分享了大量可疑的YouTube视频。一小群约800名经Twitter验证的“超级传播者”的推文平均每天约占所有错误信息转发量的35%，其中顶级超级传播者（@RobertdyJr）占转发量的13%以上。低可信度的新闻和可疑的YouTube视频更有可能被自动账户分享。我们的研究结果与超级传播者受到经济激励的驱动的假设是一致的，这些经济激励使他们能够从健康错误信息中获利。尽管出现了一些备受瞩目的虚假信息超级传播者的案例，但我们的研究结果显示，在2021年，少数人仍然在低可信度疫苗内容的传播中发挥了巨大作用。社交媒体政策应考虑撤销有害内容重复传播者的验证身份，特别是在公共卫生危机期间。
2023-02-24 cs.SI
Detection of Violent Extremists in Social Media
互联网的易用性使伊拉克和叙利亚伊斯兰国（ISIS）等暴力极端分子能够轻松接触到大量受众，建立个人关系并增加招募。社交媒体主要是根据他们从自己的用户那里收到的报告来缓解这个问题。尽管社交媒体努力暂停许多账户，但这一解决方案并不能保证有效，因为并非所有极端分子都是这样被抓住的，或者他们可以简单地使用另一个账户返回或迁移到其他社交网络。在本文中，我们设计了一个自动检测方案，使用少到三组相关的用户名，配置文件和用户的文本内容的信息，确定是否一个给定的用户名属于一个极端主义用户。我们首先证明，极端分子倾向于采用与他们志同道合的人过去采用的用户名相似的用户名。然后，我们提出了一个检测框架，该框架部署了高度指示潜在网络极端主义的特征。来自Twitter的真实世界ISIS相关数据集的结果证明了该方法在识别极端主义用户方面的有效性。
2019-02-05 cs.SI
A deep dive into the consistently toxic 1% of Twitter
在线社交网络（OSN）中的不当行为是一种不断增长的现象。迄今为止的研究往往集中在机器学习的部署上，以识别和分类欺凌、侵略和种族主义等不当行为。识别的主要目标是遏制自然和机械的不当行为，使OSN成为社会话语的安全场所。超越过去的作品，我们进行了一个纵向研究的一个大的选择Twitter的配置文件，这使我们能够描述配置文件的一致性，他们张贴剧毒的内容。我们的数据涵盖了14年的推文，来自122K Twitter个人资料和超过2.93亿条推文。从这些数据中，我们选择了有毒内容一致性最极端的个人资料，并检查了他们的推文文本，以及他们共享的域名，标签和URL。我们发现，这些选定的配置文件保持一个狭窄的主题，在标签，URL和域中的多样性较低，它们在主题上彼此相似（以协调的方式，如果不是通过意图），并且具有很高的机器人行为可能性（可能有意图影响的祖先）。我们的工作为研究社区提供了大量的纵向在线不良行为数据集，并在探索不良行为作为影响OSN操作的潜在附件时，将个人资料的有毒行为的一致性作为一个有用的因素。
2022-02-16 cs.CY cs.SI
Political Context of the European Vaccine Debate on Twitter
本文基于覆盖17个欧洲国家的多语言纵向Twitter数据，分析用户政治取向与疫苗犹豫内容认可之间的关系，发现右翼、威权及反欧盟立场关联更强，而政客整体影响并不突出。
2024-03-02 cs.SI physics.soc-ph
SenTopX: Benchmark for User Sentiment on Various Topics
本研究构建了SenTopX基准，收集了2007至2021年143K名用户的2.93亿条推文进行纵向分析，基于主题建模将用户分为八组并利用16个有毒分数分析情感，揭示了用户综合人格特质及其对平台的影响。
2024-06-04 cs.SI
Automatic Detection and Categorization of Election-Related Tweets
Massachusetts Institute of Technology（麻省理工学院）
随着公共社交媒体和微博客服务的普及，特别是Twitter，人们找到了一个没有中间人的地方来倾听他们的同龄人的声音。因此，在Twitter的公共性质的帮助下，政治科学家现在有可能分析和理解在政治运动中有机形成、传播和衰落的公众叙事。然而，Twitter上对话的数量和多样性，加上其嘈杂和独特的性质，使这成为一项艰巨的任务。因此，需要先进的数据采掘和语言处理技术来处理和分析数据。在本文中，我们提出并评估了一个技术框架，基于深度神经网络的最新进展，用于识别和分析Twitter上与选举相关的对话。我们的模型可以检测到与选举相关的推文，F分数为0.92，并可以将这些推文分类为22个主题，F分数为0.90。
2016-05-17 cs.CL cs.IT cs.SI
How Much Hate with #china? A Preliminary Analysis on China-related Hateful Tweets Two Years After the Covid Pandemic Began
Heidelberg University（海德堡大学）；University of Tübingen（图宾根大学）
在全球大流行病爆发后，网上内容充斥着仇恨言论。唐纳德·特朗普的“中国病毒”推文将新冠病毒传播的责任推给了中国和中国人民，这引发了新一轮的线上线下反华仇恨。这项研究旨在研究疫情爆发后两年（2020年和2021年）Twitter上与中国有关的仇恨言论。通过Twitter的API，在此期间共收集了2，172，333条带有#中国标签的推文。通过采用多个最先进的预训练语言模型进行仇恨言论检测，我们识别了各种类型的仇恨，从而产生了一个自动标记的反华仇恨言论数据集。我们发现，2020年和2021年，#中国推文的仇恨率分别为2. 5%和1. 9%。这远高于Gao等人在Twitter上发现的0.6%的在线仇恨言论的平均比率，2017.我们进一步分析了#中国推文的纵向发展，以及通过可视化两年内的每日数量和仇恨率来分析2020年和2021年被识别为仇恨的推文。我们对#china tweet中仇恨言论的关键词分析揭示了仇恨#china tweet中最常提到的术语，这些术语可以用于进一步的社会科学研究。
2022-11-11 cs.AI cs.CL cs.CY
Twitter Users' Behavioral Response to Toxic Replies
在线有毒攻击，如骚扰，拖钓和仇恨言论，与离线暴力的增加和对受害者的负面心理影响有关。在本文中，我们研究了毒性对用户的在线行为的影响。我们收集了79.8k Twitter对话的样本。然后，通过一项为期九周的纵向研究，我们跟踪并比较了作者的行为反应，谁是毒性受害者，与那些谁不是。我们发现，中毒受害者表现出以下行为反应的组合：回避，报复，对策和谈判。我们进行了统计测试，以了解有毒回复对用户行为的贡献的重要性，同时考虑混杂因素，如对话的结构和用户帐户的可见性，可识别性和活动水平。有趣的是，我们发现，与其他随机作者相比，受害者更有可能参与对话，以有毒的方式回复，并取消关注毒性煽动者。即使毒性是针对其他参与者的，根作者也更有可能参与对话并以有毒的方式回复。然而，已验证帐户的受害者不太可能参与对话或通过发布有毒评论进行回应。此外，在含有较大比例的有毒嵌套回复和针对其他用户的有毒回复的对话中，回复更有可能被删除。我们的研究结果可以帮助进一步研究开发更有效的检测和干预方法，以减少社交媒体上的毒性负面影响。
2022-10-24 cs.CY cs.SI
FUBU-EPSTEIN: A Large-Scale Twitter Dataset on the Jeffrey Epstein Case and Its Global Public Discourse (2019-2023)
该研究推出了FUBU-EPSTEIN数据集，包含5438万条Twitter状态等数据，经去标识化处理后发布，支持爱泼斯坦案件相关的计算研究，降低了数据泄露风险。
2026-08-12 cs.SI
"A Virus Has No Religion": Analyzing Islamophobia on Twitter During the COVID-19 Outbreak
COVID-19大流行扰乱了人们的生活，使他们在恐惧、焦虑和愤怒中行事，导致世界范围内的种族主义事件在物理世界和在线社交网络中发生。尽管有一些作品关注COVID-19大流行期间的恐华症，但对最近伊斯兰恐惧症的关注较少。宗教Tablighi Jamaat聚会产生的大量积极案例促使人们围绕#coronajihad，#tablighijamaatvirus等标签形成反穆斯林社区。除了网络空间外，仇视伊斯兰教情绪的上升也导致现实世界中仇恨犯罪的增加。因此，需要进行调查以采取干预措施。据我们所知，我们提出了第一个将伊斯兰恐惧症与COVID-19联系起来的大规模定量研究。在本文中，我们介绍了CoronaBias数据集，该数据集专注于跨越四个月的反穆斯林仇恨，来自244，229个独立用户的超过410，990条推文。我们使用该数据集进行纵向分析。我们发现Twitter上的趋势与随着时间的推移发生的离线事件之间的关系，测量与穆斯林社区相关的背景下的质的变化，并进行宏观和微观的主题分析，以找到流行的主题。我们还探索了内容的性质，重点关注CoronaBias数据集中推文中共享的URL的毒性。除了基于内容的分析外，我们还关注用户分析，揭示了将宗教描绘为爱国主义象征在决定穆斯林社区在大流行期间的看法方面发挥了至关重要的作用。通过这些实验，我们揭示了印度次大陆围绕COVID-19的反穆斯林言论的存在。
2021-07-25 cs.HC cs.SI
Characterizing User Susceptibility to COVID-19 Misinformation on Twitter
尽管已经加大了消除虚假声明和推广可靠来源等重大努力来对抗COVID-19“错误信息流行病”，但如果缺乏对易感在线用户的正确理解，即，容易被误导、轻信、传播的。本研究试图回答{ \it}谁构成了大流行中易受网络错误信息影响的人群，以及区分易感用户和其他人的稳健特征和短期行为信号是什么。使用从美国地缘政治多样化的网络分层样本中收集的Twitter上为期6个月的纵向用户面板，我们区分了不同类型的用户，从社交机器人到与COVID相关错误信息有不同参与程度的人类。然后，我们确定了用户的在线特征和与他们对COVID-19错误信息的易感性相关的情景预测因素。这项工作带来了独特的贡献：首先，与之前关于机器人影响的研究相反，我们的分析表明，社交机器人对错误信息共享的贡献非常低，并且类人用户的错误信息行为表现出异质性和时间变异性。虽然错误信息的分享高度集中，但普通用户偶尔分享错误信息的风险仍然高得惊人。其次，我们的研究结果突出了敏感用户对情绪化内容的政治敏感性、活跃性和反应性。第三，我们展示了一个可行的解决方案，有效地预测用户的短暂的易感性，仅仅基于他们的短期新闻消费和曝光，从他们的网络。本文的研究对设计有效的干预机制以减缓虚假信息的传播具有一定的启示意义。
2021-09-20 cs.CY cs.SI
Less is More: Semi-Supervised Causal Inference for Detecting Pathogenic Users in Social Media
近年来，恶意社交媒体行为者操纵舆论和政治事件的现象激增。这些用户被称为“致病性社交媒体（PSM）”帐户。PSM是在社交媒体上传播错误信息的关键用户。这些帐户可以由真实用户或自动机器人控制。因此，识别PSM对社交媒体当局至关重要。负担通常落在可以识别这些帐户并保护社交媒体声誉的自动方法上。然而，缺乏足够的标记示例来设计和培训复杂的方法来打击这些账户仍然是社交媒体公司面临的最大挑战之一。相比之下，由于大量的用户生成的数据，未标记的数据是丰富和廉价的。在本文中，我们提出了一个半监督因果推理PSM检测框架，SemiPsm，以弥补缺乏标记数据。特别地，所提出的方法以流形正则化的形式利用未标记的数据，并且仅依赖于级联信息。这与使用穷举特征工程的现有方法（例如，简档信息、网络结构等）。来自Twitter的真实世界ISIS相关数据集的经验实验证据表明，利用未标记的实例来检测PSM的结果很有希望。
2019-03-05 cs.SI
Finding Online Extremists in Social Networks
社交网络中的网络极端分子对普通公众构成了一种新形式的威胁。这些极端分子既有骚扰无辜用户的网络恶霸，也有利用社交网络招募和煽动暴力的伊拉克和叙利亚伊斯兰国（ISIS）等恐怖组织。目前，社交网络暂停了这类极端分子的账户，以回应用户的投诉。挑战在于，这些极端主义用户只是创建新帐户并继续其活动。在这项工作中，我们提出了一套新的业务能力，以应对社交网络中的在线极端分子构成的威胁。利用Twitter上数十万个极端主义账户的数据，我们为这些用户开发了一个行为模型，特别是他们的账户是什么样子以及他们与谁联系。该模型用于识别新的极端主义账户，预测这些账户是否会因极端主义活动而被暂停。我们还使用该模型来跟踪现有的极端主义用户，因为他们通过识别两个帐户是否属于同一用户来创建新帐户。最后，我们提出了一个模型，用于搜索社交网络，以有效地找到暂停用户的新帐户的基础上的经典波利亚的骨灰盒设置的变体。我们发现一个简单的表征，这个模型的最优搜索策略在相当一般的条件下。我们的瓮模型和主要的理论结果很容易推广到其他领域的搜索问题。
2016-10-19 cs.SI physics.soc-ph stat.AP
TeleScope: A Longitudinal Dataset for Investigating Online Discourse and Information Interaction on Telegram
本文介绍了TeleScope，一个包含约500K频道元数据、71K公共频道约120M条消息及用户交互数据的纵向数据集，支持信息传播与在线话语分析等多样化社交媒体研究。
2025-04-28 cs.SI
News and Misinformation Consumption in Europe: A Longitudinal Cross-Country Perspective
本研究通过分析法德意英四国新闻媒体三年的Twitter数据，从跨国纵向视角探究欧洲新闻与虚假信息消费模式，发现可靠来源占主导但可疑内容仍存在，其受众重叠差异为打击虚假信息提供了针对性参考。
2023-11-10 cs.CY cs.SI
A longitudinal analysis of misinformation, polarization and toxicity on Bluesky after its public launch
本文对 Bluesky 公开发布前后两个月的用户活动进行纵向分析，发现该平台原创内容比例高、毒性低、用户偏左且倾向分享高可信来源，同时识别出部分可疑账户并验证了平台审核的有效性。
2025-05-05 cs.SI
#Election2020: The First Public Twitter Dataset on the 2020 US Presidential Election
本文公开发布了首个大规模、纵向的2020年美国总统大选Twitter数据集，涵盖数亿条推文并追踪2019至2020年美国政治趋势、初选及候选人动态，旨在赋能计算社会科学研究在线政治话语中的错误信息与操纵等问题。
2020-10-01 cs.SI
