AAAIJan, 2017

推文所用语言与职业的关联性

PDF
TL;DR本研究采用软聚类方法分析社交媒体平台的用户信息，提取出包括营销、行政、软件工程师等八大职业类别。结果表明职业对应着不同的语言风格、兴趣和个性特点。最终，我们通过对推文特征的提取构建了分类器，以此实现对不同职业的准确预测。
occupationssocial medialinguistic stylespersonality traitsjob prediction
发现论文，激发创造
  • 利用网络和语言信息预测 Twitter 用户的社会经济属性

    本研究针对 Twitter 用户的情况，使用低维向量表示的图形嵌入技术来提取用户的社交网络信息，并用此信息预测 Twitter 用户的职业阶层和收入水平，结果显示该方法优于现有的方法，并且将社交网络和语言信息相结合可以进一步提高预测结果。

    Apr, 2018

  • 推特语言模式的社会经济依赖性：多元分析

    探讨了社会语言学的核心问题，即在全球范围内，个体的语言变异是受许多外部因素影响的，并利用法国最大的推特文本数据集和详细的社会经济地图，研究表明人们的社会经济地位、地理位置和社交网络等因素都对个体网络文本数据中的语言变量有显著影响。

    Apr, 2018

  • 社交媒体语言中的潜在人类特征：一种开放词汇方法

    通过社交媒体数据的自然语言使用，我们研究了推断一组新的人类特征的过程，并通过与五因素人格模型的比较得出，语言基础特质的构建更具普适性，并且在某些方面比基于问卷的特质更能预测一些基于实体的结果，从而为新的个性化构建提供了一定的参考价值。

    May, 2017

  • 社交媒体中的性别认同与词汇变化

    本文通过 Twitter 用户语言风格和社交网络之间的关系，探讨了性别、语言风格和社交网络之间的关系，提出了一种细致的性别分类方法，发现语言风格与社交网络之间的同性别联系紧密相关。

    Oct, 2012

  • Twitter 主题分类

    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

  • 分析社交媒体上的食品语言

    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

  • Twitter 中的地理位置和语言识别

    本文研究了三种自动语言识别方法与 Twitter 用户界面语言设置和语言人工编码之间的可靠性，比较了用户输入的个人资料位置与实际发推地点之间的不同，证明了用户生成的资料位置无法用作推特信息发布的有用代理。

    Aug, 2013

  • Twitter 趋势的实时分类

    本文研究社交媒体上的热点话题，提出了四种触发器类型以及一种基于社交特征的分类方法，能够有效分类趋势并提供给终端用户，帮助新闻机构及时发现突发新闻。

    Mar, 2014

  • 借助 Twitter 数据进行人格检测与分析

    自动检测个性特征的研究方法已引起计算语言学领域的广泛关注，本文针对此领域中数据集有限的问题，收集和发布了一个包含 1.52 亿推文和 5.6 万份数据点的研究社区最大的自动整理数据集，以用于预测迈尔斯 - 布里格斯（MBTI）人格类型，通过对数据进行定性和定量研究，分析了数据的模式，并得出了相应的结论。

    Sep, 2023

  • 从社交媒体文本中推断兴趣点类型

    研究了社交媒体文本与所发布地点类型之间的关系，提出了一个包含大约 200,000 条英文推文的新数据集，用于预测推文所发布的位置类型，并训练分类器来预测推文所发送的位置类型，能够达到宏观 F1 值 43.67，并揭示了与每种类型场所相关的语言标记，这种能够从推文中预测语义场所信息的能力在推荐系统、个性化服务和文化地理学中应用广泛。

    Sep, 2020