本文对 Instagram 上分享的 hashtag 进行了首次大规模实证分析，揭示了从时空、语义和社会维度出发的一系列发现，其中包括时序模式可划分为四个不同群集、语义位移较大的 hashtag 有不可忽略的比例、用户分享较均匀的 hashtag 不易语义位移。最后，作者提出了一个双向图嵌入模型以总结用户的 hashtag 概要，并基于这些概要进行好友预测，证明 hashtag 具有强大的社交信号。

May, 2019

本文关注 Twitter 上的集体关注和 Hashtag 的流行度峰值，通过数据分析和文本挖掘技术，提供了 Hashtag 类别的语义特征，发现流行度峰值主要由外部因素而非流行病学因素所驱动。

Nov, 2011

该研究使用 HITS 算法，根据影响力分离数据集，分析了 Twitter 上具有影响力和不具有影响力的用户之间的差异，并采用主题建模揭示了这两个群体在比特币方面的语言和兴趣上的差异。我们发现少数用户（0.72%）代表了大多数（80%）比特币言论的权威性。

Mar, 2023

本文研究了在 Twitter 在线社交网络中通过哈希标签和 URL 传播的两种不同类型的信息的主题，并针对每个用于推断她的主题兴趣。通过引入信息扩散的新理论框架，本研究揭示了信息扩散的两个不同机制，即主题和非主题的信息传播，其中非主题信息传播类似于简单传染病的传播，主题信息传播发生在信息口味与其相关的用户之间，具有复杂的传染特性。结果表明，meme 的主题和用户兴趣对于理解和预测信息扩散至关重要。

Mar, 2016

通过提取社交媒体上的信息可获得人们对公共事件的意见和社会动态的有价值见解，本文提出了一种从特定话题的用户组讨论中提取影响指标的新方法，重点关注议程控制和情感语言的使用。

Feb, 2024

本文提出了一种利用语义相似性量化特定信息发布后讨论变化的新技术，并使用环保组织的新闻稿和气候变化辩论的推文来展示我们的新方法揭示了在线话语对战略传播的不同响应规律。

Mar, 2023

本文针对社交媒体中讨论的各种话题，通过推文主题分类研究，提供两个相关数据集用于评估推文分类模型，并在语言模型上进行量化评估和分析。

Sep, 2022

该研究分析了社交网络和话题关联结构的相互作用，使用 Twitter 上的 hashtag 数据，预测社交关系和 hashtag 的流行度，并在小结中指出这些发现在其他不同领域同样具有广泛适用性。

Dec, 2011

研究分析了 2012 年美国总统辩论期间 256 个新兴 hashtags 的生长、生存和背景，发现基于话题性、交互性、多样性和知名度的 “对话活力” 框架可捕捉 hashtags 的动态。统计分析结果显示，转发可以促进 hashtags 更快地被采用，回复对 “优胜者” 的生命周期有延长作用，但对 “落后者” 无影响，这些结果对于更好地理解社交媒体中的社会影响力和集体行动具有重要的启示和影响。

Mar, 2013

本研究研究 Social Media 中的争议话题，提出了一种通过利用网络模式检测 Social Media 中争议话题的方法，该方法基于用户交互的局部模式，不需要了解自然语言，95% 的准确度比传统的句子分析方法和传播模型方法都有很大的改进。

Mar, 2017