使用推特数据集跟踪语言变化，揭示了语言变化是一种社会影响，基于 Hawkes process 模型验证了社交网络中的强关系在语言影响中扮演重要角色。

Sep, 2016

通过对维基人和美国最高法院的论据展开研究，我们发现群体讨论中一些人立即回应其他人的语言风格与其他成员之间的权力差异是相关的，提出了基于语言协调的分析框架，可以用于阐明功率关系，并跨多种类型的力量保持一致。

Dec, 2011

该研究提出了一种基于语言影响力的新方法来量化文献对后续出版物内容的影响程度，并通过测量高维度的 Hawkes 过程来预测未来引用次数。

Oct, 2022

本研究使用一种新的计算框架研究了人们在语言中表达亲密度的方式，并开发了相应的数据集和深度学习模型，用于准确预测问题的亲密水平，并通过三个研究证明了这种表达方式与社会规范有关。

Nov, 2020

本文研究社区语言的语言风格，通过分析 3 个社交媒体平台上涉及政治，电视和旅游的 9 个在线社区的 262 个特征来验证社区确实具有独特的风格，并发现语言风格是群体成员身份的良好预测器（F 值为 0.952，准确度为 96.09%），并且相对于仅使用内容预测来说，它对训练数据的减少更有韧性。

Sep, 2022

研究在线社区中词汇创新的产生和传播，利用社会语言学理论并关注使用新术语的社交角色之间的关系，揭示创新者和采纳者的特征，并进行预测任务，以预测创新是否能在社区内成功传播。

Jun, 2018

本文利用混合方法分析了互联网上关于计算语言学的出版趋势、行为对研究聚焦点 —— 方法、材料和任务 —— 的采用、持久和退役的因果影响，发现了快速新方法 —— 双向 LSTMs 的引入影响了 LSTMs 的退役，深度学习，嵌入，生成和语言模型等趋势任务和技术在研究社区中持续受关注，并发现科学家所在地（中国等）和大规模研究项目的资金可能会对超出英语之外的语言进行研究的倾向产生影响。这项工作为计算语言学和更广泛的科学社区提供了有用的见解，提高了关于因果推断的潜力的认识。

Oct, 2021

本文提出了一种识别礼貌语言方面的计算框架，使用新的语料库对礼貌的不同方面进行评估，发现礼貌标记符与上下文之间的新互动，然后构建了一个具有领域无关词汇和句法特征的分类器，并通过对维基百科和 Stack Exchange 上的数据进行实验，研究了礼貌与社会权力之间的关系，并对性别和社区的反应进行了初步分析。

Jun, 2013

本研究分析了 Reddit 上两方对话线程的大量语料库，通过识别虚词和正式性两种风格的所有 LSM 出现，研究了 LSM 的不同水平如何取决于 Reddit 内的几个社交因素，包括帖子和社区特征、对话深度、用户任期以及评论的争议性。最后，我们测量了在社区被封禁后丧失地位后 LSM 的变化。研究结果揭示了 LSM 在 Reddit 对话中与几个社区指标的相互作用，暗示了在了解社区动态时理解对话参与的重要性。

Jul, 2023

本研究探讨在线社区语言风格和话题方面：通过分析社区的标识符和与内容社区接受度的相关性。实验表明语言的风格比话题更能够识别社区，与社区的语言风格相似度的相关性与贡献的接受程度正相关。

Sep, 2016