通过对 Instagram 数据集进行分析，研究了其网络结构、内容生成和消费动态以及用户标签媒体的行为，以了解人类行为动态在社交技术系统中的表现，重点关注用户和内容的流行度、在线环境中用户交互的机制以及个体主题兴趣如何汇聚形成集体趋势。

Jun, 2014

本研究通过对 Instagram 上标签和社交网络数据的分析，尝试理解外部图片的内容以及其与已有标签的关联，特别地，通过纯粹的社交网络数据尝试识别食品图像的类别和内容，并证明了该方法在识别流行食品类别时的正确率可以达到 70% 以上，这表明通过数据驱动的分析可以为图片内容的关系及开发相关算法提供新的机遇和挑战。

Mar, 2016

分析数百万张照片，发现自拍照的数量在 2012 年至 2014 年间增长了 900 倍，并成为 Instagram 上引起关注的有效媒介；与其他内容相比，涉及自拍的互动表现出明显的同质性变化，并显示了不同文化背景下样式的差异。

Oct, 2015

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

研究通过 Instagram 中用户提供的标签与机器标注标签的数据来源的可行性及其对公共健康状况的研究价值，发现二者均可用于推断县域健康状况，并提出了机器标注标签在研究物质滥用方面的应用潜力。

Dec, 2015

研究怎样利用众包方法对 Instagram 上的图片内容进行标注从而基于特征分析与构建分类器以自动监测和检测网络欺凌及侵害。

Mar, 2015

通过 Instagram 数据集的图像和字幕对建立多模态机器学习模型的训练，对巴塞罗那的不同社区进行了区域性的分析，以期解决巨大的旅游业对城市产生的影响问题。

Aug, 2018

本文提供了对 Tumblr 的先驱性分析，研究了 Tumblr 用户之间的社交网络结构、分析了其用户生成的内容以及描述了转载模式，以分析其用户行为。此外，本文还比较了 Tumblr 与其他流行社交网络的各方面特征。总之，发现 Tumblr 比其他微博平台拥有更丰富的内容，并包含社交平台、传统博客和社交媒体的混合特征。

Mar, 2014

本文基于 Twitter 平台 4 万多亿条 tweet，对 geotagging 行为进行了实证研究。结果显示，用户群体之间的 geotagging 偏好各不相同；在用户资料中报告位置信息的用户更容易使用 geotags；用户在 geotagging 行为上存在明显的同质性倾向。

Aug, 2019

本文旨在预测特定用户的帖子受欢迎的程度，并挖掘受欢迎背后的模式。基于采集的 Instagram 数据，我们提出了一种双重注意力模型，该模型考虑了图像、标题和用户环境。实验结果表明，我们的模型优于基准，并且统计分析确定了哪种图片或标题可以帮助用户获得相对较高的 “喜欢” 数。

Sep, 2018