本文通过使用新颖的神经体系结构捕捉单个电子邮件内的权力表现，并以保持顺序的方式进行汇总，以推断电子邮件主题中参与者之间权力方向，从而实现了自动化预测社会互动中的权力关系。在此任务中，我们获得了 80.4％的准确率，较先前研究高出 10.1％。此外，我们还将该模型应用于基于他们之间交换的整个消息集来预测个体之间的权力关系的任务上，此时我们的模型也明显优于使用先前的技术，以获得 83.0％的准确性。

Jul, 2018

本研究提出了一种名为 “社会偏见框架” 的新的概念形式化模型，以模拟人们如何将社会偏见和刻板印象投射到其他人身上的框架，并建立了一个名为 “社会偏见推理语料库” 的数据集来支持大规模建模和评估，分析表明当前最先进的神经模型虽然能够高效地对是否含有不良社会偏见进行分类，但在详细解释社会偏见框架方面并不有效。本研究为今后的研究工作提供了指导，即将结构化的语用推理与社会影响的通识推理相结合。

Nov, 2019

本文针对社交媒体上的冲突话题，研究了如何利用个性化方法对 13k 个标注者进行标注，比较了该方法在预测社交规范感知方面的有效性，并对不同关系下的社会情境的性能进行了分析。

Oct, 2022

本文提出了两种改进基于词嵌入的模型的方法，通过引入自动相关确定先验的贝叶斯词嵌入方法以及潜在变量模型锚定方法，实现对词嵌入矩阵的可解释性和可回归性，并应用于美国总统就职演讲中国际主义言论的转变以及美国外交政策制定者争论中的好战性增加相关性分析，得出总统就职演讲中的国际主义言论自 1945 年以来逐渐减少，而好战行动的增加与美国的敌对行动增加相关的结论。

Apr, 2019

本文介绍了一种基于 Bert 语言模型的子类预测方法 BERTSubs，能够有效地执行包括存在限制在内的多种子类预测任务，具有优于已有方法的性能。

Feb, 2022

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

本文研究人类在社交互动中感知和行为的变化，采用预测编码理论为基础的人工神经网络训练，发现修改感官信号及先验信号的精确度可模拟社交与非社交实验中的行为数据，并且分析神经网络的活化痕迹，发现社交环境下信息编码方式与个体环境有本质差异。

Mar, 2022

本文研究关系人物之间的情感极性特征，并提出结构化预测和聚类方法来解决该问题，在语言和语义特征的基础上，通过社交网络结构来提高模型性能。作者在维基百科电影概要数据集上验证了模型的优越性。

Dec, 2015

自动响应预测对新闻媒体具有重要作用，能够帮助内容制作者高效预测新闻发布的影响，防止意外的负面结果，如社会冲突和道德伤害。为了有效地预测响应，必须开发利用社交动态和上下文信息的度量，特别是在用户的明确个人资料或历史行为有限的情况下（被称为潜伏者）。本研究提出了一种新颖的框架，名为 SocialSense，它利用大型语言模型在现有社交网络之上诱导出基于信念的图，并通过基于图的传播捕捉社交动态。我们假设搭建跨越远程用户之间的连接、共享相似信念的诱导图能够有效捕捉响应模式。我们的方法在零样本和监督设置的实验评估中超过了现有的最新技术，证明了它在响应预测方面的有效性。此外，分析揭示了该框架有效处理未见用户和潜伏者情况的能力，进一步突出了它的稳健性和实用性。

Oct, 2023

该研究分析了社交网络和话题关联结构的相互作用，使用 Twitter 上的 hashtag 数据，预测社交关系和 hashtag 的流行度，并在小结中指出这些发现在其他不同领域同样具有广泛适用性。

Dec, 2011