Clusters of science and health related Twitter users become more isolated during the COVID-19 pandemic
COVID-19代表了迄今为止最严重的全球危机，其公众对话可以被实时的研究。为此，我们使用了2020年1月13日至6月7日期间超过2600万英语Twitter用户发布的超过3.5亿条推文和转发的数据集。我们描述了转推网络，以确定自发聚集的用户和他们的互动随着时间的推移与流行病的出现演变。我们确定了几个稳定的集群（超级社区），并能够将它们与主要涉及科学和健康主题的国际团体，国家精英和政治参与者联系起来。与科学和健康相关的超级社区在大流行早期受到了不成比例的关注，并在当时领导了讨论。然而，随着这一流行病的蔓延，注意力转向国家精英和政治行为体，同时采取了针对具体国家的遏制措施，辩论也日益政治化。科学超级社区仍然存在于讨论中，但在网络中的影响力越来越小，变得更加孤立。总体而言，新兴网络社区的特点是自我放大和两极分化加剧。这使得来自国际卫生组织或科学权威的信息更难通过Twitter长时间直接接触到广大受众。这些结果可能会对信息传播产生影响，随着世界范围内流行病等长期事件的发展。
2021-09-13 cs.SI
An Exploration of Social Identity: The Geography and Politics of News-Sharing Communities in Twitter
集体社会行动在当前事件中的重要性体现在阿拉伯之春和占领运动中。电子社交媒体已成为社会互动的普遍渠道，也是对信息作出集体社会反应的基础。对社交媒体的研究可以揭示个人行为如何结合起来成为社会的集体动力。对自发形成的群体进行定性，可以揭示个人如何自我认同以及他们将如何共同行动。在这里，我们映射的社会，政治和地理属性的新闻共享社区在Twitter上，一个流行的微博平台。我们跟踪用户生成的包含《纽约时报》在线文章链接的消息，并根据用户共享的链接主题、地理位置和自我描述关键字对用户进行标记。当用户根据谁在Twitter上关注谁进行聚类时，我们发现社交群体根据他们是否对本地（纽约），国家（美国）或全球（世界性）问题感兴趣而分开。国家集团细分为自由派，保守派和其他，后者是一个多样化的，但主要是商业导向的集团与体育，艺术和其他分裂。全国性政治团体总部设在美国各地，但与广泛关注各种主题的全国性团体不同。一个世界主义者与其他世界主义者交往，一个美国自由主义者/保守主义者与其他美国自由主义者/保守主义者交往，创造了具有这些身份的独立社会群体。地方、国家和国际社区的“公民”的存在是社会组织各级对话和行动的基础。
2012-02-20 cs.CY cs.SI nlin.AO
Characterising different communities of Twitter users: Migrants and natives
今天，许多用户正在积极使用Twitter来表达他们的意见和分享信息。由于数据的可用性，研究人员研究了这些用户的行为和社交网络。国际移徙研究也受益于这一改善移徙统计的社交媒体平台。虽然到目前为止，Twitter上已经研究了各种类型的社交网络，但以前从未研究过移民和本地人的社交网络。本文旨在通过研究Twitter上移民和本地人的特征和行为来填补这一空白。为此，我们对包括配置文件和推文在内的功能进行了一般评估，并对网络进行了广泛的网络分析。我们发现，移民的追随者多于朋友。尽管这两个群体的账户年龄相似，但他们也发了更多的推文。更有趣的是，非自愿性得分显示，用户更倾向于基于国籍而不是居住国进行联系，移民比本地人更是如此。此外，本地人和移民都倾向于与本地人联系。
2021-03-05 cs.SI
Socio-Spatial Pareto Frontiers of Twitter Networks
社交媒体提供了丰富的网络数据来源。这些数据由一组节点和一组关系（边）表示。通常可以从同一组节点获得或推断多种类型的关系，例如观察到的朋友连接，通过语义比较推断的链接，或基于地理接近度的关系。这些边集可以用一个多层网络来表示。在本文中，我们回顾了一种方法来执行社区发现的多层网络，并说明其作为一个可视化工具，用于分析不同的社区分区。该算法在Twitter的数据集上进行了说明，特别是关于国家橄榄球联盟（NFL）。
2015-06-30 cs.SI physics.soc-ph
Climate Policy Elites' Twitter Interactions across Nine Countries
George Mason University（乔治梅森大学）；Aalto University（阿尔托大学）；University of Helsinki（赫尔辛基大学）；Memorial University of Newfoundland（纽芬兰纪念大学）；Dublin City University（都柏林城市大学）；University of Technology Sydney（悉尼科技大学）；University of Bern（伯尔尼大学）；The National Institute for Space Research (INPE)（巴西国家空间研究所）；Masaryk University（马萨里克大学）；Indian Institute of Technology Kanpur（坎普尔印度理工学院）；Edinburgh Napier University（爱丁堡纳皮尔大学）
研究九国904个气候政策行为者的推特互动，发现国家系统间直接互动少，但通过国际组织、活动家和研究者内容间接连接。
2026-06-15 cs.CY cs.SI
Human as Real-Time Sensors of Social and Physical Events: A Case Study of Twitter and Sports Games
在这项工作中，我们研究如何Twitter可以被用作传感器，以检测频繁和多样化的社会和物理事件的实时的【形】。我们设计了高效的数据汇集和事件识别解决方案，这些解决方案可以在自由访问Twitter数据的各种限制下工作。我们描述了我们的解决方案的Web服务实现，并报告了我们的经验与2010-2011年美国国家橄榄球联盟（NFL）的比赛。该服务能够在40秒内识别NFL比赛事件，准确率高达90%。这种能力不仅对于用于实况广播节目的实时的【形】电子节目指南非常有用，而且对于广告时段的精细拍卖也非常有用。更重要的是，它首次证明了利用Twitter进行普适计算的实时的【形】社会和物理事件检测的可行性。
2011-06-21 cs.SI physics.soc-ph
Psychometric Analysis and Coupling of Emotions Between State Bulletins and Twitter in India during COVID-19 Infodemic
Indraprastha Institute Information Technology, Delhi（德里英德拉普拉斯塔信息技术学院）；Guru Nanak Dev University, Amritsar（阿姆利则古鲁那纳克德夫大学）
2019冠状病毒病的信息传播速度超过了疫情本身。信息流行浪潮中的错误信息对人民的健康和治理系统构成了重大威胁。由于社交媒体是最大的信息来源，因此管理信息流行病不仅需要减少错误信息，还需要及早了解由此产生的心理模式。在COVID-19危机期间，自2020年3月6日以来，仅Twitter一家公司的策划活动页面的使用量就急剧增加了45%，其直接消息的使用量也增加了30%。在这项研究中，我们分析了印度国家和邦一级COVID-19信息流行病与COVID-19相关官方公报的心理测量影响和耦合。我们用心理语言学的视角来看待这两个来源，并量化了两者之间的程度和耦合。我们修改了path，这是一个基于深度skip-gram的开源词典构建器，可以有效地捕捉与健康相关的情绪。然后，我们能够在社交媒体和官方公告中捕捉与健康相关的情绪的时间演变。使用格兰杰因果关系对从官方公告和社交媒体中提取的情绪时间序列之间的领先滞后关系进行分析表明，国家公告在医疗紧急情况等某些情绪方面领先于社交媒体。进一步的见解，是潜在的相关的政策制定者和积极从事减轻错误信息的传播者也进行了讨论。我们的论文还介绍了CoronaIndiaDataset 2，这是印度第一个基于社交媒体的国家和州级COVID-19数据集，拥有超过560万条国家和260万条州级推文。最后，我们将我们的研究结果作为COVibes，这是一个交互式网络应用程序，可以在…
2020-05-13 cs.CL cs.CY cs.SI
Mining the Demographics of Political Sentiment from Twitter Using Learning from Label Proportions
意见挖掘和人口统计属性推断在社会科学中有着广泛的应用。在本文中，我们提出了模型来推断每天的联合概率多个潜在的属性从Twitter数据，如政治情绪和人口统计属性。由于为传统的监督分类注释数据既昂贵又耗时，因此我们提出了可扩展的标签比例学习（LLP）模型，用于使用美国人口普查，国家和州政治民意调查以及库克党派投票指数作为人口水平数据的人口统计和意见推断。在LLP分类设置中，将训练数据划分为一组未标记的包，其中仅知道每个包中的标签分布，从而消除了对实例级注释的需求。我们提出的LLP模型，加权标签正则化（WLR），提供了一个可扩展的泛化标签正则化的先前工作，以支持袋内样本的权重，这是适用于这种设置，其中袋是分层排列的（例如，县级袋嵌套在州级袋内）。我们将我们的模型应用于2016年美国总统大选前一年收集的Twitter数据，估计政治情绪和人口统计数据之间的关系。我们发现，我们的方法密切跟踪传统的民意调查数据分层的人口类别，导致错误减少28-44%的基线方法。我们还提供了描述性的评估，显示该模型可以用来估计许多变量之间的相互作用，并确定语言的时间变化，通常是不可行的，使用传统的轮询方法的能力。
2017-08-26 cs.SI
This Sample seems to be good enough! Assessing Coverage and Temporal Reliability of Twitter's Academic API
本文评估Twitter学术API的数据完整性与时间可靠性，发现其能基于多种搜索词生成几乎完整的数据样本，且v2端点优于v1.1，建议在研究时实时收集数据以遵守开发者协议。
2023-04-11 cs.SI
Revisiting Information Diffusion Beyond Explicit Social Ties: A Study of Implicit-Link Diffusion on Twitter
University of Tsukuba（筑波大学）；Saitama University（埼玉大学）
研究探讨了Twitter上隐式链接对信息扩散的影响，发现远离信息源的用户更倾向于通过隐式链接扩散信息，尽管隐式链接贡献较小，但对跨不同社区的传播有重要作用。
2026-01-08 cs.SI
LAXARY: A Trustworthy Explainable Twitter Analysis Model for Post-Traumatic Stress Disorder Assessment
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；IQVIA（艾昆纬）
退伍军人的心理健康是一个重大的国家问题，因为大量的退伍军人正在从最近的伊拉克战争和在阿富汗的持续军事存在返回。虽然现有的重要工作已经使用黑盒机器学习技术研究了基于Twitter帖子的创伤后应激障碍（PTSD）评估，但由于缺乏临床可解释性，这些框架不能被临床医生信任。为了获得临床医生的信任，我们探讨了一个大问题，Twitter帖子能否提供足够的信息来填补传统上被临床医生信任的临床PTSD评估调查？为了回答上述问题，我们提出了LAXARY（基于语言分析的可解释查询）模型，一种新的可解释人工智能（XAI）模型，使用修改后的语言查询和字数统计（LIWC）分析来检测和表示Twitter用户的PTSD评估。首先，我们采用临床验证的调查工具，从真实的Twitter用户收集临床PTSD评估数据，并开发一个PTSD语言词典使用PTSD评估调查结果。然后，我们使用PTSD语言词典连同机器学习模型来填充用于检测相应twitter用户的PTSD状态及其强度的调查工具。我们对210名经过临床验证的经验丰富的Twitter用户进行的实验评估提供了PTSD分类及其强度估计的有希望的准确性。我们还评估了我们开发的PTSD语言词典的信度和效度。
2020-07-20 cs.AI cs.CL cs.SI
Privacy and Twitter in Qatar: Traditional Values in the Digital World
我们从卡塔尔国民的角度探讨隐私的含义，因为它体现在数字环境中。虽然隐私在许多文化中是一个基本的和广泛尊重的价值观，但它的理解和实施方式取决于上下文。在数字领域，人们越来越多地发布个人信息，了解用户在隐私方面的行为尤为重要。我们对18000个提到隐私的Twitter帖子进行了混合方法分析，重点关注提到隐私的面对面和数字环境，以及这些环境如何导致关于隐私的各种意识形态。我们发现，在阿拉伯海湾地区，隐私的需要往往得到古兰经文本的支持，关于如何保护隐私的建议经常被讨论，男性在讨论女性相关隐私时使用家长式语言是常见的。最重要的是，隐私被框定为一种公共属性，不仅包括个人，还包括他们周围人的行为;它甚至延伸到个人的生命之外。我们对这些以前未被探索的隐私解释进行了分析和描述，这些解释在用户如何浏览社交媒体方面发挥了作用。
2016-05-05 cs.CY cs.SI
Citizens' Emotion on GST: A Spatio-Temporal Analysis over Twitter Data
人们可能不会近在咫尺，但他们仍然是-凭借社会网络。社交网络在许多方面改变了人们的生活。人们可以在各种平台上表达他们的观点，意见和生活经历，无论是Twitter，Facebook还是任何其他媒体。此类活动包括审查产品或服务、传达对政治玩笑的看法、预测股价或对非货币化或商品及服务税等政府政策提供反馈。这些社交平台可以用来调查公众产生的情感曲线的见解。这种分析可以使产品更好，预测未来的前景，也可以更好地执行公共政策。这种对情感分析的研究正在迅速增加。在这篇研究论文中，我们分别对1，42，508和58，613条推文进行了时间分析和空间分析，这些推文是在2017年7月4日至2017年7月25日的GST实施期间发布的。这些推文是使用Twitter流媒体API收集的。一个著名的词汇，加拿大国家研究委员会（NRC）情感词汇被用于意见挖掘，表现出八种基本情感的混合，即喜悦，信任，预期，惊讶，恐惧悲伤，愤怒，厌恶和两种情感，即积极和消极的6,554个单词。
2019-06-20 cs.IR cs.SI
Sentiment analysis model for Twitter data in Polish language
Politechnika Warszawska（华沙理工大学）；Wydział Elektroniki i Technik Informacyjnych（电子与信息技术学院）；Instytut Informatyki（计算机科学研究所）
对2015年5月10日波兰总统选举期间收集的推文进行文本挖掘分析。该项目包括实现从Twitter检索信息的引擎，构建文档语料库，语料库清理，以及创建术语文档矩阵。来自文本语料库的每条推文都根据其情感得分被分配了一个类别。分数是使用每个文档中积极和/或消极的表情符号和波兰语单词的数量计算的。结果数据集用于训练和测试四个机器学习分类器，以选择提供最准确的自动推文分类结果的分类器。朴素贝叶斯算法和最大熵算法的准确率最高，分别为71.76%和77.32%。所有的实现任务都是使用R程序设计语言完成的。
2019-11-03 cs.CL cs.IR cs.LG
Desaparecidxs: characterizing the population of missing children using Twitter
Max Planck Institute for Demographic Research（马克斯·普朗克人口研究研究所）
通过推特数据分析危地马拉失踪儿童的人口特征，揭示女性及青少年失踪率较高，探讨暴力与人口贩卖的关联。
2022-05-06 cs.CY 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
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
Multi-scale Population and Mobility Estimation with Geo-tagged Tweets
最近埃博拉和登革热病毒的爆发再次提高了在紧急情况下快速预测疾病传播的能力的重要性。然而，现有的方法通常严重依赖于耗时的普查过程或隐私敏感的呼叫日志，导致它们在面对爆发时突然变化的动态时反应迟钝。在本文中，我们研究了使用大规模Twitter数据作为人类流动性的代理来建模和预测疾病传播的可行性。我们报告说，对于澳大利亚，Twitter用户的分布相关性以及基于人口普查的人口分布，Twitter用户的旅行模式似乎松散地遵循重力定律在多个尺度的地理距离，即国家一级，州一级和大都市一级。辐射模型也在此数据集上进行了评估，但由于澳大利亚人口稀少和陆地面积大，它显示出较差的适应性。这项研究的结果构成了未来工作的基石，即从Twitter数据中建立一种基于模型的、响应式的疾病传播预测方法。
2014-12-01 cs.CY cs.SI physics.soc-ph
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
Analyzing and Estimating Support for U.S. Presidential Candidates in Twitter Polls
本研究分析了2016和2020年美国大选期间近两千个Twitter民调，发现其存在偏向年长男性及Donald Trump的偏差，并证明通过回归和后分层可纠正偏差，使选举估计误差低至1%-2%。
2024-06-05 cs.CY cs.SI
Extracting significant signal of news consumption from social networks: the case of Twitter in Italian political elections
根据2018年5月关于欧盟媒体使用的Eurobarometer报告，在线咨询社交网络以获取信息的欧洲公民人数正在大幅增加。在这项工作中，我们分析了大约$10^6$推文在上次意大利选举期间交换。通过使用一个基于熵的空模型来贴现用户的活动，我们首先在一组经过验证的帐户中识别出潜在的政治联盟：如果两个经过验证的用户的转发量超过了未经验证的用户的预期，那么他们很可能是相关的。然后，我们推导出用户的隶属关系的联盟衡量极化未经验证的帐户。最后，我们研究了推文和转发网络的二分有向表示，其中推文和用户被收集在两层上。具有最高外度的用户识别最受欢迎的帖子，而最高外度的帖子是最“病毒式”的。我们确定显着的内容传播者，通过统计验证的连接，不能解释用户的tweeting活动和职位的病毒式使用基于熵的空模型作为基准。对经验证的转发的定向网络的分析揭示了选举后形成的联盟的信号，突出了全国选举前的共同利益。
2019-01-23 cs.SI physics.data-an physics.soc-ph
Impact of the Covid 19 outbreaks on the italian twitter vaccination debat: a network based analysis
本研究构建了2019-2022年意大利语疫苗讨论推文数据集TwitterVax，通过41个月度转发网络的社区检测，分析了反疫苗与支持疫苗群体的演化极化特征，识别了舆论关键节点与讨论趋势。
2023-06-05 cs.SI math.DS physics.soc-ph
Brexit and bots: characterizing the behaviour of automated accounts on Twitter during the UK election
本研究分析2019年英国大选期间超千万条推文，揭示自动化账户在脱欧辩论中的行为特征，发现选举前机器人激增、选举后暂停用户增加，且电视辩论后注入大量行为迥异的新机器人，其活动遍及政治光谱各派。
2021-07-29 cs.SI physics.soc-ph
DEFENDER: Detecting and Forecasting Epidemics using Novel Data-analytics for Enhanced Response
近年来，社会和新闻媒体越来越多地被用来解释疾病活动和进展的模式。社交媒体数据，主要来自Twitter网络，已被证明与官方疾病病例数密切相关。这一事实已被利用来提供疫情检测的预警、疾病水平的跟踪以及预测个人出现症状的可能性的能力。在本文中，我们介绍了DEFENDER，一个软件系统，它集成了来自社交媒体和新闻媒体的数据，并结合了疫情检测，态势感知，综合征病例跟踪和预测的算法。作为该系统的一部分，我们开发了一种技术，可以完全基于Twitter数据为任何国家或地区创建位置网络。我们还提出了一种疾病计数跟踪方法，该方法利用了多种症状的计数，发现与仅使用以前病例数据的模型相比，该方法可将疾病跟踪提高37%。最后，我们试图根据观察到的用户在Twitter上的移动来预测未来的症状活动水平，发现时间序列预测模型的适度收益为5%。
2015-04-16 cs.SI physics.soc-ph
America Tweets China: A Fine-Grained Analysis of the State and Individual Characteristics Regarding Attitudes towards China
美国--中国关系可以说是21世纪最重要的双边关系。通常情况下，它是通过民意调查来衡量的，例如盖洛普和皮尤研究所。在本文中，我们提出了一种新的方法来衡量美国-中国关系使用的数据来自Twitter，最受欢迎的社交网络之一。与传统的民意调查方法相比，我们的方法有两个显著的优点。首先，我们的样本量明显更大。全国性的民意调查最多只有几千个样本。我们的数据集有724，146个样本。我们的大规模数据集使我们能够进行州一级的分析，到目前为止，即使是大型民意调查也没有探索过。其次，我们的方法可以控制固定状态和日期的影响。我们首先证明了州际和日间方差的存在，然后在我们的回归分析中控制这些方差。从经验上讲，我们的研究能够复制民意调查的程式化结果，并产生新的见解。在州一级，我们发现纽约、密歇根、印第安纳和亚利桑那是对中国最友好的四个州。怀俄明州、南达科他州、堪萨斯州和内华达州是最同质的。在个人层面上，我们发现随着个人Twitter体验时间的延长和加深，对中国的态度也会有所改善。我们还发现，中国人在统计上对中国更友好。
2015-09-23 cs.SI
Critical Impact of Social Networks Infodemic on Defeating Coronavirus COVID-19 Pandemic: Twitter-Based Study and Research Directions
Lebanese American University（黎巴嫩美国大学）
自社交媒体出现以来，新闻创作和消费一直在发生变化。据估计，2019年全球有29.5亿人使用社交媒体。新型冠状病毒COVID-19的广泛传播导致社交媒体海啸。大多数平台都被用来向人们传递相关的新闻、指南和注意事项。据世卫组织称，不受控制的阴谋论和宣传传播速度比COVID-19大流行本身更快，造成信息流行病，从而造成心理恐慌，误导医疗建议和经济破坏。因此，已经启动了讨论，目的是缓和所有COVID-19传播，但世卫组织和授权政府实体等可信来源发起的传播除外。本文提出了一个大规模的研究的基础上挖掘的数据从Twitter。我们已对两个月内收集的约一百万条COVID-19相关推文进行了广泛分析。此外，还分析了288，000名用户的个人资料，包括独特的用户个人资料，元数据和推文上下文。该研究指出了各种有趣的结论，包括（1）利用COVID-19危机将读者重新引导到无关的主题以及（2）广泛的不真实医疗预防措施和信息的关键影响。进一步的数据分析揭示了在全球流行病危机中使用社交网络的重要性，即依靠不同职业的可信用户、内容开发者和特定领域的影响者。在这方面，一些见解和调查结果，同时阐述了计算和非计算的影响和研究方向的潜在解决方案和社交网络管理战略在危机时期。
2020-05-18 cs.CL cs.SI
The Bursty Dynamics of the Twitter Information Network
在在线社交媒体系统中，用户不仅发布、消费和重新共享内容，而且还在底层社交网络中创建新的连接并破坏现有的连接。虽然这两种类型的动力学在过去都被单独研究过，但对两者之间的联系知之甚少。用户信息发布和搜索行为如何与底层社会网络结构的演变相互作用？在这里，我们研究网络结构对用户发布和共享内容的反应方式。我们研究了Twitter信息网络的完整动态，用户在创建和破坏连接的同时发布和转发信息。我们发现，网络结构的动力学特征可以是稳定的变化率，突然爆发中断。以级联的后再共享形式的信息扩散常常会造成新连接的突然爆发，这显著改变了用户的本地网络结构。这些突发事件改变了用户的追随者网络，使其在结构上更具凝聚力，在追随者兴趣方面也更加同质化。我们还探讨了信息内容对网络动态的影响，并发现新主题和现实世界事件的出现会导致边缘创建和删除的显着变化。最后，我们开发了一个模型，该模型量化了网络的动态和这些突发事件的发生，作为通过网络传播的信息的函数。该模型可以成功地预测哪些信息扩散事件将导致网络动态的突发。
2014-03-11 cs.SI physics.soc-ph stat.ML
AirCalypse: Can Twitter Help in Urban Air Quality Measurement and Who are the Influential Users?
本研究利用推特作为传感器，通过定制TRank算法识别德里空气污染事件中的有影响力用户，并分析其帖子感知与实际污染水平的关系，以辅助众感知空气质量测量框架的开发。
2025-01-25 cs.CY cs.SI physics.soc-ph
DiPD: Disruptive event Prediction Dataset from Twitter
Malaviya National Institute of Technology Jaipur（马拉维亚国家理工学院斋浦尔）
骚乱和抗议如果失去控制，可能会在一个国家造成严重破坏。我们已经看到了这样的例子，如BLM运动，气候罢工，CAA运动等等，这些运动在很大程度上造成了破坏。我们创建这个数据集的动机是用它来开发机器学习系统，让用户了解正在发生的趋势事件，并提醒他们可能导致国家混乱的事件。如果任何事件开始失控，可以在事件升级之前通过监控来处理和缓解。该数据集收集了过去或正在发生的已知造成破坏的事件的推文，并将这些推文标记为1。我们还收集被认为是无事件的推文，并将其标记为0，以便它们也可以用于训练分类系统。该数据集包含94855条独特事件记录和168706条独特非事件记录，因此总数据集为263561条记录。我们从推文中提取多个特征，例如用户的追随者数量和用户的位置，以了解推文的影响和影响范围。该数据集可能在各种事件相关的机器学习问题中有用，例如事件分类、事件识别等。
2021-11-25 cs.CL cs.IR cs.LG
HumAID: Human-Annotated Disaster Incidents Data from Twitter with Deep Learning Benchmarks
Qatar Computing Research Institute, HBKU（卡塔尔计算研究所，哈马德·本·哈利法大学）
社交网络被广泛用于信息消费和传播，特别是在诸如自然灾害等时间紧迫的事件期间。尽管社交媒体内容的容量非常大，但它通常太嘈杂，无法直接用于任何应用程序。因此，对可用内容进行过滤、分类和简明扼要的总结，以促进有效的消费和决策制定，这一点非常重要。为了解决这些问题，已经使用监督建模方法开发了自动分类系统，这要归功于早期在创建标记数据集方面的努力。然而，现有的数据集在不同方面受到限制（例如，大小，包含重复），并且不太适合支持更高级和数据需求量更大的深度学习模型。在本文中，我们提出了一个新的大规模数据集，其中包含约7.7万条人类标记的推文，这些推文是从2016年至2019年发生的19起灾难事件中的约2400万条推文中采样的。此外，我们提出了一个数据汇集和采样管道，这是很重要的社会媒体数据采样人类注释。我们使用基于经典和深度学习（fastText和Transformer）的模型报告多类分类结果，为未来的研究奠定基础。数据集和相关资源是公开的。https://crisisnlp.qcri.org/humaid_dataset.html
2021-04-08 cs.AI cs.CL cs.CY
Political attitudes differ but share a common low-dimensional structure across social media and survey data
Sciences Po médialab（政治学院媒体实验室）；Complex Systems Institute of Paris Ile-de-France CNRS（巴黎法兰西岛复杂系统研究所）；École des Hautes Études en Sciences Sociales（社会科学高等学院）
研究发现社交媒体用户与一般公众的政治态度在低维结构上相似，但受活动性和流行度影响，极化程度影响态度分布的维度。
2026-03-02 cs.SI stat.AP
SERCNN: Stacked Embedding Recurrent Convolutional Neural Network in Detecting Depression on Twitter
Monash University Malaysia（马来西亚莫纳什大学）
本文提出SERCNN模型，通过堆叠不同领域的预训练嵌入并将嵌入上下文重新引入MLP分类器来改进用户表示，在Twitter抑郁症检测中仅需少量帖子即可达到与BERT相当的准确率，同时大幅减少参数量。
2022-08-05 cs.AI cs.CL cs.SI
Creating a Systematic ESG (Environmental Social Governance) Scoring System Using Social Network Analysis and Machine Learning for More Sustainable Company Practices
Amity Regional High School（阿米蒂地区高中）；Center for Collective Intelligence, Massachusetts Institute of Technology（麻省理工学院集体智能中心）
本研究针对传统ESG评估主观且不一致的问题，提出一种结合社会情绪的数据驱动评估系统，通过爬取多平台数据并利用NLP与机器学习算法进行预测，Random-Forest模型取得最优结果，为高管提供更客观的ESG改进指导。
2023-09-07 cs.LG cs.SI
