适应性表达式用于追踪 Twitter 上的最新新闻
本文提出了一种半自动化工具来有效地在 Twitter 上辨识和追踪真实世界事件的故事，并通过 25 名参与者的用户研究证明我们的工具相对于传统方法可以提高追踪真实世界事件故事的速度和准确性。
May, 2016
提出了一种新颖的交互式学习框架来提高对实时推文的分类过程，该框架允许用户在实时学习的基础上迭代地纠正推文的相关性以训练分类模型，实验结果表明该方法优于现有的机器学习模型，结合 SMART 系统，可用于实时情境感知并满足不同用户依赖需求。
Aug, 2019
本文研究了在灾难中使用社交媒体如 Twitter 等传播信息以提高灾难控制。当前流行的通过学习的方法无法很好地识别与灾难相关的推文，因此我们提出了一种基于匹配关键词和标签的简单而有效的算法。结果表明，我们的方法提供了更高质量和更可解释的情绪分析任务相关的推文，是一种可行的方法。
May, 2017
该研究提出了一种将社交媒体评论和视频相结合的简单而有效的方法来创建电视事件的多媒体摘要，包括基于人物提及频率的场景识别和在此时段内自动选择相关 tweets 和视频画面等。
Mar, 2022
本文探讨了实时总结日程安排事件（例如从 Twitter 流中总结足球比赛）的方法，通过子事件检测和推文筛选进行了评估，证明了这种文本分析方法可以高效地总结所有类型的子事件，这种方法可应用于其他日程安排事件。
Apr, 2012
本项目的目标是通过使用社交媒体上的公开可用数据来创建和研究识别早期警报信号的新技术，这些信号预示着社会失序事件，如暴动、战争或革命。该研究的一般想法是建立一个二元分类器，预测给定的推文是否与破坏性事件有关。结果表明，基于拓扑的算法稳定性较高，比基于深度学习的异常检测算法表现更好。我们还对方法的普适性进行了测试，结果非常有前途。
Mar, 2023
该研究提出了一种测量推文潜在趋势的直观方法，用于选择最具信息价值的实例以用于训练命名实体识别的神经模型的更新，实验表明，该方法比其他方法使用更少的训练数据更能提高准确性，是一个实用的解决方案。
Apr, 2021
本研究提出了一种采用两种社交标签（即标签和链接）自动收集大规模新闻相关多文档摘要的有效方式，使用 ROUGE 指标和整数线性规划解决方案来生成摘要，收集的数据可用于支持向量回归自动文摘器的训练，提高了其性能。
Nov, 2015