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
使用社交媒体数据进行疾病监测,提出了一种基于个人水平而非人口统计学水平的新的疾病监测系统,通过组合文本分析、异常检测和社交网络分析等手段,可以在个人水平诊断感染流感的准确性超过 99%。
Apr, 2014
通过社交媒体平台的大数据监测,运用基于位置和关键词的图片爬取方法,训练出肯尼亚饮食分类模型及识别器,对 13 种典型肯尼亚食品进行分类识别,结合对图片、标签的分析和挖掘,探究了 2019 年 3 月肯尼亚社交媒体上各种食品的人气趋势。
Aug, 2019
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
通过对社交媒体中的地理标记帖子进行全球性分析,本文介绍了一种检测城市中意外行为和通过帖子分析情况的方法。该方法使用了基于密度的聚类技术和自然语言处理技术,利用简单的硬件资源在不到一小时的时间内分析了纽约市长达七个月的 Instagram 数据,并且可以轻松适应其他地理标记数据源。
Dec, 2023
本文研究了利用推特进行营养数据收集与分析的可行性,通过关联 210K 用户推特中提及的饮食体验与其兴趣、社交网络等因素,以推断全美国人的饮食习惯;进一步根据提及的食物名称和人口统计学变量预测县级肥胖症和糖尿病数据,结果较之前的研究表现更佳;最后,还根据提到社会和经济因素的数据,研究了肥胖症的社会因素。
Dec, 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。
本文介绍利用计算机视觉技术从社交媒体图片中推测人体质量指数(BMI)的方法,希望这一工具能够推动与体重相关的社会方面的研究。
Mar, 2017
本文提出了一种利用社交媒体内容自动补充传统调查方法得出近实时大规模粗略估计心理健康状况的方法,该方法利用用户 embedding,本研究证明了这些 embedding 可以捕捉到与精神疾病相关的行为特征,从而能够预测用户的心理健康状况。
Apr, 2017
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