本文研究探讨了社交网络和在线寫作间的語言和语言格式之间的关联性，以及如何从社交网络平台中建立一种专家混合模型来增强语言变异性的鲁棒性。

Apr, 2018

探讨了社会语言学的核心问题，即在全球范围内，个体的语言变异是受许多外部因素影响的，并利用法国最大的推特文本数据集和详细的社会经济地图，研究表明人们的社会经济地位、地理位置和社交网络等因素都对个体网络文本数据中的语言变量有显著影响。

Apr, 2018

本文研究了在美国社会语言学的词汇选择中关于同性恋和性别的态度变化，通过在 Twitter 和 Reddit 上对 8700 万条消息的纵向分析，发现态度正在发生变化但是这些变化是由特定人口群体驱动的，并且在溯因分析中表明不同州的婚姻平等法案是语言变化的推动因素。

Sep, 2021

该研究使用自然语言处理工具有效地识别使用社交媒体发布带有团伙暴力内容的个人，并提出了如何监测和识别这些个人需要帮助的方法，并讨论了使用机器学习模型和大数据方法所需考虑的语言对模型性能和群体歧视的影响。

Apr, 2023

通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

Oct, 2012

使用推特数据集跟踪语言变化，揭示了语言变化是一种社会影响，基于 Hawkes process 模型验证了社交网络中的强关系在语言影响中扮演重要角色。

Sep, 2016

本研究通过语言自动推断性别关联发现单词聚类，并针对其所代表的语义概念进行标记，并比较了两个不同领域写作中人们如何谈论妇女和男子之间的差异，证明了人们谈论妇女和男子的方式存在大规模差异，并且这些差异在不同领域中有所不同。

Aug, 2019

本研究旨在探究阿拉伯语 Twitter 上男女用户在参与度、兴趣点、职业领域等方面的差异，并通过用户名、头像、推文及好友网络等方式进行性别推断，达到了 82.1% 的 F1 分数，同时也开发了一个可公开使用的演示版。

Mar, 2022

使用高分辨率数据集和详细问卷来研究性别差异，以及通过多渠道捕捉单一队列的社会互动差异，并将其作为分类问题解决。

Jun, 2017

本文介绍了一种生成潜在变量模型，用于量化形容词（或动词）选用及其情感，并以头（或依赖）名词的自然性别为条件。研究发现男女名词描述之间存在显著差异，并且这些差异与常见的性别刻板印象相一致：用于描述女性的积极形容词更与其身体相关而不是用于描述男性的形容词。

Jun, 2019