通过分析 Twitter 上的在线表达，使用 hedonometer 实时远程测量了幸福感，以单词使用频率为主要依据建立了高度稳健的度量方法。

Jan, 2011

本文提出了一种从大规模地理参考照片中提取人类情感的新方法，通过基于社交媒体站点中用户生成的足迹的空间聚类来构建地点，并利用最先进的计算机视觉技术从面部表情中提取人类情感，定义了两种幸福度指标，以在不同的地方衡量人类情感。通过考虑不同种类的地理环境，研究表明，不同地方的情感变化可以通过很少的因素如开放性来解释，研究结果可用于丰富地理和基于地理信息系统的场所感的理解。

May, 2019

通过直接人类评估词汇，我们对大规模文本的幸福水平进行了连续刻度量化，并发现歌曲歌词的幸福感从 20 世纪 60 年代到 90 年代中期有所下降，而博客的幸福感从 2005 年到 2009 年稳步上升，与博主年龄和距离赤道的远近呈现明显的起伏。

Mar, 2017

提出了一种基于地理位置标记推特的计算方法，能够以细微的地理分辨率、灵活的地理边界与不同时间间隔推测人口统计学数据，通过对性别、种族 / 族裔等因素的预测，超越了传统方法的平均相关性。

Jan, 2017

通过比较使用 GPS 坐标和用户自报位置不同的语言分析方法，研究表明不同年龄和性别的人对特定主题的写作风格有所不同，并给出了男性 40 岁以上的文本地理定位最准确的结果。同时，年龄和性别是影响语言使用的重要变量。

Jun, 2015

研究发现，社交媒体的活动可以作为状态级公共卫生测量的代理，可通过自然语言处理进行检测。该研究应用该方法来估计美国各州在 2010-2019 年和 2022 年期间的无家可归者人数，并使用包含 “无家可归者” 子字符串的大约 100 万个地理标记推文数据集。

May, 2023

本文旨在调查推特中的地理位置预测问题和机遇，重点关注用户家庭位置、推文位置和提及位置的预测，并综述了当前各种策略的优点与缺点，同时也简要介绍了语义位置预测和兴趣点推荐两个相关问题。

May, 2017

研究社交媒体上食品语言的预测能力，通过三百万个相关推特文章的语料库，演示可以直接从数据中预测许多潜在的人口特征，包括超重率、糖尿病率、政治倾向和作者的家庭地理位置，所有任务的基于语言的模型都显著优于多数基线。最后，我们设计和实现了一个在线系统，用以实时查询和可视化数据集。

Sep, 2014

本文探索了利用不同位置、时间和作者搜集的大量元数据来分析推文情感，并使用基于贝叶斯方法的分类器，将上述元数据与 n-grams 等标准语言特征相结合，以更准确地对推文情感进行分类。结果表明，将 Twitter 可用的丰富上下文信息整合到情感分类中是一个有希望的研究方向。

May, 2016

运用社交媒体和统计模型，本研究分析了纽约市的推文，发现性别、族裔、邻里交通等因素会影响个人对交通可达性的认知，而亚洲族裔和空气污染也与社会经济不平等有关。然而，对于弱势群体而言，缺乏网络可访问性可能是不善于表达交通可达性问题的原因之一。

Jan, 2024