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
本文介绍了一种基于注意力机制的神经网络结构，利用社交网络中的同质性，将分类函数平滑化，从而实现个性化的情感分析模型，提高在 Twitter 和评论数据上的情感分析准确性。
Nov, 2015
研究社交媒体上社会语言的使用及其对自然语言处理的影响，参考三种不同语言对的社交媒体数据，通过条件随机场分类器开发出一个基于富有语言特征的词性标注系统。
Feb, 2017
研究社会阶层的影响因素，使用神经模型预测社交媒体上个人的社会经济地位，探讨语言风格在预测社会经济群体方面的作用，发现新颖的词法 - 句法特征是一种有效的风格预测因素。
Jul, 2019
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
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
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。
本研究旨在探讨社交网络结构对词汇变化的影响，通过对 4420 个在线社区在 10 年内发生的 80,000 个新词汇的大规模分析，使用泊松回归和生存分析，发现社区的网络结构对词汇变化起着显著作用，特别是密集连接，缺乏本地集群和更多的外部联系对推动词汇创新和保留具有促进作用，同时这些基于主题的社区不会像线下社区一样经历强烈的词汇调整，而是容纳更多的小众词汇。
Apr, 2021
本文研究了如何通过利用词的上下文特性和分布式表征来处理混合代码数据中单词的不同变体，并表明这种预处理方式可以提高最先进的词性标注和情感分析任务的性能。
研究表明，社交关系信息可以用于提高用户级情感分析，实验结果表明，将社交网络信息纳入支持向量机等分类器的训练可以明显提高情感分析的效果。
Sep, 2011