本文研究了利用推特数据进行预测和分析社会行为的可行性,使用具有地理属性的推特数据进行 2021 年墨西哥议会选举建模,结果表明该方法比传统民意调查更准确和精确。同时,该推特数据与官方普查数据呈正相关,表明在线数据可以提供准确的离线行为表示。
Jan, 2023
使用推特数据作为选举预测工具的基线模型在英国 2015 年大选中的应用及其局限性
May, 2015
通过系统的分析整理,该论文第一次对来自 Twitter 数据的选举预测整体研究进行了 Meta 分析,揭示了当前研究不能充分证明其预测能力可以取代传统的选举民调,提供了未来研究的方向和需求。
Jun, 2012
评论了与使用社交媒体进行选举预测有关的每项研究,发现 Twitter 在选举方面的预测能力被极度夸大,仍有许多难题需要解决。
Apr, 2012
本篇论文探讨了 2018 年美国中期选举的选民欺诈和压制问题,并通过分析社交媒体数据,找到了选举干扰的罕见迹象。研究发现,社交媒体数据的分析存在着诸多误差和局限性,因此必须谨慎对待这些数据。
Jan, 2019
本文介绍了一种基于深度神经网络的技术框架,用于在 Twitter 上连续纵向地识别和分析选举相关的对话,其模型可以将选举相关的推文检测的 F 分数为 0.92,并将这些推文分类为 22 个主题,其 F 分数为 0.90。
May, 2016
本文研究了 2016 年美国总统竞选中两名主要候选人唐纳德・特朗普和希拉里・克林顿的追随者人口统计学数据。我们使用数据集 US2016,分析了追随者人口的社会地位、性别、种族和年龄四个方面。研究表明在社会影响力方面,特朗普的追随者更加极端化,也比克林顿的追随者更有影响力。此外,与克林顿的追随者相比,特朗普的追随者更可能是非常年轻或非常老。该研究未发现克林顿在 Twitter 领域中存在性别亲和性,但发现克林顿的追随者种族更加多样化。
Mar, 2016
通过建立一个由推特注释而成的语料库,训练一个检测正面真实性的对数线性分类器并聚合用户的显式预测,我们的方法需要输入一组参赛者,依靠众人的智慧自动预测未知的结果。在广泛的竞赛预测任务中,我们的方法优于情绪和推特体积基线,并进一步演示了如何使用我们的方法来测量个人账户预测的可靠性并回溯地识别意外的结果。
Jul, 2017
通过结合社交媒体数据及传统投票数据,我们采用基于交互量的方法,比较多种算法在不同时窗口下预测土耳其 2023 年选举党派得票份额,结果发现,在所有时间窗口下,ARIMAX 模型表现最佳。
May, 2023
本文通过对 2016 年美国总统选举前五个月的 1.71 亿条推特进行分析,确定其中包含 2.2 百万用户链接新闻网站,找出了其中传播虚假新闻和极度偏见新闻的 25%,并揭示了虚假新闻对选举结果的影响。
Mar, 2018