Jun, 2017

利用社交媒体预测未来：系统文献综述

PDF
TL;DR这篇系统综述研究了过去十年的相关文献，发现了社交媒体数据在预测方面存在的局限性和常见错误，并提出了旨在帮助研究者利用社交媒体数据进行预测的最佳实践建议。
social media dataforecastingsystematic reviewbest practicesdata biases
发现论文，激发创造
  • 使用社交媒体预测未来

    本文阐述了如何使用社交媒体内容来预测真实世界的结果，具体来说，作者使用 Twitter 上的内容预测了电影的票房收入，并演示了如何使用从 Twitter 中提取的情感来进一步提高社交媒体的预测能力。

    Mar, 2010

  • 基于 Twitter 数据的最先进选举预测的元分析

    通过系统的分析整理，该论文第一次对来自 Twitter 数据的选举预测整体研究进行了 Meta 分析，揭示了当前研究不能充分证明其预测能力可以取代传统的选举民调，提供了未来研究的方向和需求。

    Jun, 2012

  • 信息疫情遇上流行病：系统文献综述

    利用社交媒体进行生物监测能够提高流行病管理的实时性和效率，但需要更加可靠的应用程序用于疫情预测、公众舆论和虚假信息的管理，以及关注潜在的精神健康问题，预防措施在控制流行病方面变得至关重要。

    Oct, 2022

  • SMP 挑战：社交媒体预测挑战的概述与分析

    社交媒体人气预测 (SMPP) 是一个关键任务，涉及利用社交媒体平台上的大量多模态数据自动预测在线帖子的未来人气值。本研究总结了具有挑战性的任务、数据和研究进展，提供了整体分析和最新信息。

    May, 2024

  • SMP 挑战赛：社交媒体预测挑战赛 2019 概述

    本文介绍了 “SMP Challenge” 中的新预测任务 ——“时序流行度预测”，该任务旨在利用社交多媒体数据进行未来互动性或吸引力的预测，并发布了一个包含超过 480K 发布内容和 69K 用户的大型 SMPD 基准数据集。

    Oct, 2019

  • 利用 Twitter 数据进行选举预测的平衡调查

    评论了与使用社交媒体进行选举预测有关的每项研究，发现 Twitter 在选举方面的预测能力被极度夸大，仍有许多难题需要解决。

    Apr, 2012

  • 社交媒体应用顺序可预测：使用 LSTM 和 Transformer 神经网络建模习惯行为

    通过对连续智能手机用户行为的预测建模，本文引入了一种研究社交媒体习惯的新方法。使用长短期记忆（LSTM）和变压器神经网络，我们展示了社交媒体使用在个人内部和个人之间是可预测的，同时在个体之间的预测差异也是稳健的。

    Apr, 2024

  • Twitter 上关于政治集体行动的偏见研究综述

    该论文回顾了关于政治群体行为的 Twitter 研究文献，发现这些文献缺乏标准化方法，并且常常没有清晰的社会或政治理论支持，也没有充分证明其方法的有效性，因此需要在这些方面继续探索。

    May, 2016

  • 社交媒体数据在精神健康研究中的应用现状

    本论文分析了社交媒体数据对于进行心理健康研究的现状，并引入了一个基于标准化模式的开源心理健康数据集目录，以促进元分析。

    Nov, 2020

  • 社交媒体和智能设备是否能够评估心理健康？解决方法和评价中的偏见问题

    本文探讨了近期关于使用智能手机数据和社交媒体数据预测精神健康问题，有很多研究报告表明其非常具有潜力，但是在实际环境中，并没有表现出较好的通用性。研究发现，在考虑真实世界环境并使用不同的特征源和多重模拟等多种方法进行比较后，目前最先进的方法仅能超过最基础的基线，无法持续改善数据和效果质量。

    Jul, 2018