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
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
Community Question Answering Platforms vs. Twitter for Predicting Characteristics of Urban Neighbourhoods
University College London(伦敦大学学院)
在本文中,我们调查是否可以使用来自社区问答(QA)平台的文本来预测和描述现实世界的属性。我们的实验预测范围广泛的62个人口统计属性的伦敦街区。我们使用的文本来自Yahoo!答案,并将我们的结果与从Twitter微博获得的结果进行比较。结果表明,预测的人口统计属性之间的相关性使用文本从雅虎!答案讨论和观察到的人口统计属性可以达到平均皮尔逊相关系数\r{ho} = 0.54,略高于使用Twitter数据获得的预测。我们的定性分析表明,从两个数据集中提取的最高相关术语与其相对的人口统计属性之间存在语义相关性。此外,相关性突出了雅虎中包含的信息的不同性质!答案和Twitter前者似乎提供了更多的科普内容,而后者提供了与当前社会文化方面或现象有关的信息。
2017-01-17 cs.CL cs.SI
Characterizing Interconnections and Linguistic Patterns in Twitter
Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学)
社交媒体被认为是一个民主的空间,人们在其中相互联系和互动,而不管他们的性别,种族或任何其他人口统计学方面。尽管许多人努力探索社交媒体中的人口统计学方面,但仍不清楚社交媒体是否会延续线下世界的旧不平等。在这篇论文中,我们尝试使用Face++中先进的图像处理算法来识别位于美国的Twitter用户的性别和种族。我们调查了不同的人口群体如何相互联系,并在语言风格和他们的兴趣方面区分他们。我们量化了一个群体在多大程度上相互关注和互动,以及这些联系和互动在多大程度上反映了Twitter中的不平等。我们还提取语言特征,从六个类别(情感属性,认知属性,词汇密度和意识,时间参考,社会和个人的关注,以及人际焦点),以确定他们在Twitter上分享的消息的相似性和差异。此外,我们提取了人口统计组之间的顶级短语的绝对排名差异。作为多样性的一个维度,我们使用我们从每个用户那里检索到的感兴趣的主题。我们的分析表明,在Twitter上,被识别为白人和男性的用户往往在追随者数量和在另一个用户列表中的次数方面获得更高的位置。在性别和种族领域以及感兴趣的主题方面,不同人口群体的写作方式存在明显差异。我们希望我们的努力能够促进在线空间人口统计信息新理论的发展。最后,我们开发了一个基于Web的系统,利用用户的人口统计方面提供透明度的Twitter趋势主题系统。
2018-03-30 cs.CL cs.SI
Who are Political Retweeters?, Demographic comparison of political retweeters with retweeters of non-political personalities
Twitter多年来一直是政治学研究的焦点,因为它提供了直接观察不同社区政治信息传播的机会。在这里,我们将研究信息扩散的现象,并关注负责在Twitter网络上到处传播政治信息的节点。本文试图填补空白,在文献中的人口统计学的政治转推使用各种技术的名称和位置相关的数据,从最活跃的法国政治转推。在这里,我将根据性别、语言、地点、教育水平和自我描述来对这些账户进行分类。为了将有关政治转推者的信息放在上下文中,我们还将创建一个非政治转推者类别,以比较上述变量的组之间的差异。
2020-04-12 cs.SI
The 2021 RecSys Challenge Dataset: Fairness is not optional
在RecSys 2020挑战赛取得成功之后,我们正在描述一个与ACM RecSys挑战赛2021一起发布的更大的新数据集。今年的数据集不仅更大(约1B个数据点,增加了5倍),而且首次考虑到了公平性方面的挑战。与许多静态数据集不同,Twitter花了很多精力来确保数据集与Twitter平台同步:如果用户删除了他们的内容,相同的内容也会立即从数据集中删除。在本文中,我们介绍了数据集和挑战,强调了在Twitter规模上创建推荐系统时出现的一些问题。
2021-09-21 cs.SI
Deciphering the 2016 U.S. Presidential Campaign in the Twitter Sphere: A Comparison of the Trumpists and Clintonists
在本文中,我们研究了2016年美国总统竞选中两位领先候选人唐纳德·特朗普和希拉里·克林顿的追随者人口统计数据。我们构建了一个独特的数据集US2016,其中包括2015年9月17日至2015年12月22日期间每个候选人的关注者数量。US2016还包括这些追随者的地理位置,他们自己的追随者数量,以及非常重要的每个追随者的个人资料图像。我们使用个人的追随者数量和个人资料图片来分析追随者人口统计的四个维度:社会地位,性别,种族和年龄。我们的研究表明,在社会影响力方面,特朗普主义者比克林顿主义者更加两极分化:他们往往要么影响力很大,要么影响力很小。我们还发现,与克林顿主义者相比,特朗普主义者更有可能要么很年轻,要么很老。我们的研究发现,在Twitter领域,克林顿的性别亲和力没有影响,但我们确实发现克林顿主义者的种族更加多样化。
2016-03-09 cs.SI
Race, Religion and the City: Twitter Word Frequency Patterns Reveal Dominant Demographic Dimensions in the United States
最近,社会科学中出现了许多方法来利用在线社交网络(OSN)产生的大量数据所带来的机会。能够如此大规模地获得用户信息,开辟了一系列可能性,而且所有这些都没有与通常缓慢而昂贵的纸质民意调查相关的限制。然而,一个仍有待满意解决的问题是,人口统计学如何在OSN内容中表现出来?在这里,我们研究语言使用在美国使用的文本语料库编译从超过5亿个地理标记的消息从在线微博平台Twitter。我们的目的是揭示最重要的空间模式在语言使用中的一种无监督的方式,并将它们与人口统计。我们的方法是基于潜在语义分析(LSA)与鲁棒主成分分析(RPCA)方法增强。我们发现空间相关的模式,可以解释的基础上与他们相关的话。主要的语言特征可能与俚语的使用、城市化、旅行、宗教和种族有关,这些特征的模式与传统的人口普查数据密切相关。因此,我们的研究结果验证了OSN语言使用中所代表的人口统计学概念,并表明观察到的特征固有地存在于词频中,而无需对数据集进行任何先前的假设。因此,它们可以成为进一步研究的基础,重点是评估来自其他大数据源的人口数据估计,或者是导致这里发现的模式的动态过程。
2016-05-11 cs.SI physics.soc-ph
Breaking the Dyadic Barrier: Rethinking Fairness in Link Prediction Beyond Demographic Parity
针对链路预测中现有二元公平性定义掩盖子群体差异、人口统计学均等不适用排序任务的问题,提出新评估框架及轻量级后处理结合解耦预测器的方法,缓解偏差并优化公平性-效用权衡。
2025-11-16 cs.AI cs.LG cs.SI
On the Cost of Demographic Parity in Influence Maximization
建模和塑造信息如何通过网络传播是网络分析中的一个主要研究课题。虽然最初的重点主要是效率,但最近在这方面考虑到了公平标准。然而,大多数工作都集中在最小化标准上,因此不同的群体仍然可以获得非常不同的信息份额。在这项工作中,我们建议考虑公平性作为一个概念来保证算法,而不是作为一个标准,以最大化。为此,我们提出了三个优化问题,旨在最大限度地提高整体传播,同时通过约束(无论是事后还是事前)执行严格的人口均等公平水平。因此,公平性水平成为用户的选择,而不是输出时要观察的属性。我们从不同的角度来研究这个问题。首先,我们证明了引入人口均等的成本在总体传播和计算复杂性方面都很高,即,对于所有这三个问题,公平性的代价可能是无限的,并且最优解难以计算,在某些情况下甚至是近似地或者当可能违反公平性约束时。对于我们的一个问题,我们仍然设计了一个算法,同时具有常数近似因子和公平性违反。我们还给出了两个算法,允许用户选择容忍的公平违反。通过广泛的实验研究,我们表明,我们的算法在实践中表现良好,也就是说,他们实现了最好的人口统计学平价公平值。在某些情况下,我们甚至还获得了与最有效的算法相当的整体传播,而这些算法没有任何公平性保证,这表明在使用我们的算法时,公平性的经验代价实际上可能很小。
2023-02-25 cs.DS cs.GT cs.SI
Fairness in Link Prediction Beyond Demographic Parity: A Reproducibility Study
University of Amsterdam(阿姆斯特丹大学)
本研究复现并验证了 Mattos 等人关于人口 parity(Δ_DP)无法检测链接预测曝光偏差的观点,提出 NDKL 可检测此类偏差,复现 MORAL 的有效性并评估其鲁棒性,证实 MORAL 能减少隐藏偏差且效用损失极小。
2026-08-11 cs.LG cs.SI
What Twitter Profile and Posted Images Reveal About Depression and Anxiety
之前的研究发现,社交媒体图片的选择与用户的情绪、人口统计数据和个性特征之间存在密切联系。在这项研究中,我们研究的个人资料和张贴的图像的属性与抑郁和焦虑的Twitter用户。我们使用了28,749名Facebook用户的样本来构建调查报告的抑郁和焦虑的语言预测模型,并在Twitter上对887名接受焦虑和抑郁调查的用户进行了验证。然后,我们将其应用于另一组4,132名Twitter用户,以估算基于语言的抑郁和焦虑标签,并提取发布和个人资料图片的可解释特征,以揭示与用户抑郁和焦虑的关联,控制人口统计数据。对于抑郁症,我们发现个人资料图片抑制了积极情绪,而不是显示更多的消极情绪,这可能是因为社交媒体的自我展示偏见。他们也倾向于显示用户的单一面孔(而不是在朋友群中显示她),标志着对自我的关注增加,这是抑郁症的象征。发布的图像以灰度和各种图像特征的低美学凝聚力为主。焦虑用户的个人资料图像同样标记为灰度和低美学凝聚力,但不如抑郁用户。最后,我们证明了图像特征可用于预测抑郁和焦虑,并且包括人口统计学联合建模的多任务学习可提高预测性能。总的来说,我们发现,标记抑郁和焦虑的图像属性提供了一个丰富的镜头,这些条件在很大程度上与心理学文献一致,并且Twitter上的图像可以推断用户的心理健康状况。
2019-04-04 cs.HC cs.SI
Emotions, Demographics and Sociability in Twitter Interactions
人们在网上形成的社会联系影响着他们收到的信息的质量和他们的在线体验。虽然许多社会经济和认知因素都与离线社会关系的形成有关,但其中很少有经验验证,特别是在在线环境中。在这项研究中,我们分析了一个大型语料库的地理参考消息,或推文,从美国主要大都市地区的社交媒体用户发布。我们将这些推文通过其位置与美国人口普查数据联系起来。这使我们能够衡量一个地区发布的推文中表达的情绪,社会联系的结构,并在分析中使用该地区的社会经济特征。%我们从该地区的推文中提到的人中提取了在线社交互动的结构。我们发现,在总体水平上,社交媒体用户与不太多样化的社交接触更深入的地方是他们表达更多负面情绪的地方,比如悲伤和愤怒。人口结构也有影响:这些地方的居民家庭收入和教育水平较低。相反,人们接触不太频繁但接触方式多样的地方,他们发布的信息更快乐,更积极,而且居民受教育程度更高,更年轻,更富裕。结果表明,认知因素和离线特征影响在线互动的质量。我们的工作突出了将社交媒体数据与传统数据源(如美国人口普查)联系起来的价值,以推动对在线行为的新颖分析。
2016-03-10 cs.CY cs.SI physics.soc-ph
Group fairness without demographics using social networks
提出基于社交网络同质性的无群体公平性度量方法,避免依赖敏感属性,并开发公平算法,在无标签情况下有效减少受保护类别间的不平等。
2023-05-19 cs.CY cs.SI
Decoding Demographic un-fairness from Indian Names
Indian Institute of Technology(印度理工学院)
人口统计分类在推荐系统的公平性评估或在线网络和投票系统中的非故意偏见测量中至关重要。教育和政治等重要领域往往为社会平等的未来奠定基础,需要仔细审查,以制定政策,更好地促进受国内人口分布不平衡制约的资源分配平等。我们收集了三个公开的数据集,训练国家的最先进的分类器在性别和种姓分类领域。我们在印度上下文中训练模型,在印度,相同的名字可以有不同的样式约定(Jolly Abraham/Kumar Abhishikta在一个州可能被写为Abraham Jolly/Abishikta Kumar)。最后,我们还进行了交叉测试(在不同数据集上进行训练和测试),以了解上述模型的有效性。我们还对预测模型进行了误差分析。最后,我们试图评估现有的印度系统的偏见作为案例研究,并发现一些有趣的模式,表现在复杂的人口布局的次大陆在性别和种姓的尺寸。
2022-09-07 cs.CL cs.CY cs.DL
Post-hoc Study of Climate Microtargeting on Social Media Ads with LLMs: Thematic Insights and Fairness Evaluation
本研究利用大语言模型对Meta气候广告进行事后分析,揭示不同人口群体的定向主题策略,并通过公平性指标发现模型在男性受众分类上存在偏差,为提升气候传播的包容性提供框架。
2025-09-23 cs.AI cs.CL cs.CY
Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media
本研究利用2020-2021年美国Twitter数据,提出人口统计学调整情绪(SAD)指数以缓解社交媒体分析中的人口偏差,揭示不同群体对COVID-19情绪的时空差异及各州情绪分布。
2023-08-02 cs.CY cs.SI physics.soc-ph
Scaling laws in geo-located Twitter data
我们观察并报告了人口密度和Twitter使用之间的系统关系。推文数量、用户数量和单位面积人口之间存在幂律关系,指数大于1,在一定的空间尺度上相互一致。这意味着人口密度可以准确预测Twitter活动。此外,这一趋势还可用于确定偏离趋势的“异常”区域。对带有地理标签和地点标签的推文的分析表明,带有地理标签的推文在用户类型和内容方面是不同的。我们的研究结果对Twitter数据的空间分析和理解Twitter用户群中的人口统计学偏见具有重要意义。
2017-11-27 cs.CY cs.HC cs.SI
Estimating Local Commuting Patterns From Geolocated Twitter Data
由于越来越多地使用数字设备而产生的大量交易数据的出现,为决策者提供了一个巨大的机会,使他们能够更好地了解当地环境,从而做出更明智和更好的决策。因此,一个研究前沿正在出现,涉及探索可以从移动电话日志、互联网搜索和对社交媒体平台的贡献等数据存储中得出的衡量标准类型,以及这些衡量标准在多大程度上准确反映了更广泛的人口。本文有助于这一研究前沿,通过探索在何种程度上可以从Twitter的数据来估计当地的通勤模式。它尤其作出了三项贡献。首先,它表明,从地理定位的Twitter数据中提取的简单算法为当地的通勤模式提供了一个很好的代理;它优于现有的主要方法来估计这些模式(辐射模型)。其次,它调查了代理测量中的误差来源,表明该模型在通勤者数量较多的短途旅行中表现更好;它还研究了人口统计学偏差,但令人惊讶的是,Twitter用户的人口统计学构成与整体人口显著不同,这一事实并没有显著影响测量结果。最后,它着眼于通过将时间信息纳入模型来超越简单的逻辑学的潜在方法。
2016-12-06 cs.CY cs.SI physics.soc-ph
The Devil is in the Data: Learning Fair Graph Neural Networks via Partial Knowledge Distillation
Sun Yat-sen University(中山大学)
针对GNN公平性方法依赖敏感人口统计信息的问题,本文提出FairGKD,通过部分数据训练的公平性专家构建合成教师进行知识蒸馏,在无需人口统计信息的情况下显著提升GNN公平性并保持效用。
2023-11-29 cs.CY cs.LG cs.SI
Celebrity Profiling on Short Urdu Text using Twitter Followers' Feed
COMSATS University Islamabad, Lahore Campus(卡拉奇校区的COMSATS大学)
本研究利用关注者推文文本,通过机器学习和深度学习模型对乌尔都语名人进行画像,在性别预测上取得最佳性能(cRank和准确率均为0.65)。
2025-10-10 cs.AI cs.CL cs.SI
Deriving the Traveler Behavior Information from Social Media: A Case Study in Manhattan with Twitter
Twitter等社交媒体平台为解决交通问题提供了全新的视角,有望成为传统方法的补充。带有地理标签的推文可以提供Twitter用户的位置信息,并正在应用于旅行者行为分析。本文探讨了Twitter在获取出行行为信息方面的潜力,并以曼哈顿地区为例进行了研究。提出了一种从Twitter位置中提取位移信息的系统方法。我们的研究表明,Twitter有一个独特的人口统计数据,不仅包括当地居民,还包括游客或乘客。对于个人用户,Twitter可以揭示他/她的旅行行为特征,包括工作日和周末的时间和位置分布。对于所有的Twitter用户,聚集的出行行为的结果也表明,在曼哈顿岛的一天中的时间旅行模式类似的交通流量; OD模式的识别也是有希望的,通过比较的结果,旅行调查。
2021-01-27 cs.NA cs.SI math.NA