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

本研究提供了一种能够在公开可见的 Twitter 数据的基础上，准确地确定 Twitter 用户位置的方法。通过优化社交网络中的用户位置并检视他们好友的位置，本文提供了一种高可扩展性和可分布式的算法，并展示了如何利用用户的 ego 网络的地理离散度来作为准确性度量的参数。本文的实验结果表明，在 101,846,236 位 Twitter 用户的位置中，其中 80% 以上的公开推文地理标记的中位误差为 6.38 公里。

Apr, 2014

该研究提出了一种基于可视化隐私顾问的方法，在图像内容方面扩展用户的隐私设置，以减轻用户分享图片带来的隐私风险和隐私泄露的风险。通过将个人信息映射为图像属性，从图像直接预测个人信息，了解不同用户在隐私属性方面的偏好，并在此基础上提出模型以预测用户在隐私风险方面的表现，并在一定程度上优于用户自己的隐私风险认知。

Mar, 2017

本文回顾了 Twitter 用户位置推断技术的发展历程，探讨了地理位置信息获取和算法优化对准确性提升的积极影响，并强调了其在社交媒体、灾害监测、市场趋势研究等领域的广泛应用。

Jan, 2017

通过比较使用 GPS 坐标和用户自报位置不同的语言分析方法，研究表明不同年龄和性别的人对特定主题的写作风格有所不同，并给出了男性 40 岁以上的文本地理定位最准确的结果。同时，年龄和性别是影响语言使用的重要变量。

Jun, 2015

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

本研究提出了一种基于高斯混合模型的可扩展内容分析的方法，用于估算推文的地理位置，并提出了精度、准确度和校准等度量标准，并实现了对全球 1300 万条 Tweet 的实验，得出了可靠的、与以前的计算密集型方法相媲美的结果。

May, 2013

通过图分析和文本数据流，本文分析了 2018 年至 2022 年期间 #mybodymychoice 标签的漂移现象，揭示了年度快照中的标签社群，并提供了关于研究中发现的一些标签的见解，显示出该标签在观点和情感模式上随时间的变化，尤其是在 2021 年以疫苗接种和与 Covid-19 相关的话题方面的显著漂移。

Feb, 2024

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

本文旨在通过研究社交媒体数据中人员识别的准确性，为我们日益涉足虚拟空间，隐私受到威胁的新现实提供理解。我们定义了多种场景并提出了一种强大的人员识别系统，证明即便在人脸被模糊处理的情况下，仍然能威胁到用户的隐私安全。本文详细论述了我们的实验结果及其涵义。

Jul, 2016