Jan, 2020

测量 Facebook 对研究的点赞反应的多样性

PDF
TL;DR通过分析 Facebook 上对学术文章的回应，本研究使用一种新颖的方法来评估公众的情感反应，基于 LDA 主题模型和统计测试，研究发现性别、遗传学以及农业 / 环境科学等主题引发用户的情感反应显著不同，Facebook 上具有积极情感反应的文章更容易被广泛分享，与其他社交媒体平台的先前研究得出的结论相反。
emotional responsescientific researchpublicfacebooklda topic models
发现论文，激发创造
  • 通过推特情感预测研究的科学研究公众反应

    本研究旨在预测推特用户在社交媒体上对科学出版物的情感表达，并研究有哪些研究文章特征有助于这种预测。通过识别社交媒体上的研究文章情感，科学家可以评估其研究文章的新的社会影响。

    Sep, 2022

  • 社交情感挖掘技术用于 Facebook 帖子反应预测

    本研究旨在探究预测用户在 Facebook 页面上对超市等企业发布文章的反应的方法，通过收集帖子和反应构建一个数据集并使用神经网络和基线情感分析方法进行分析，最终的模型可以准确地预测文章的反应分布。

    Dec, 2017

  • 回音室：情感传染和群体极化在 Facebook 上的表现

    本文探讨了在 Facebook 平台上科学和阴谋论社群的演化和情感行为对社群动态的影响。研究结果显示，用户对社群的参与程度和使用者情感行为对社群的演化有显著影响，越参与社群的使用者更容易表现出负面情绪，并且更活跃的用户比不活跃的用户更容易表现出负面情绪。

    Jun, 2016

  • 量化情感在社交媒体信息扩散中的影响

    本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感模式。这项研究成果有助于改善在线社交媒体内容的生成与传播方针。

    Jun, 2015

  • 愤怒引发争议：分析 Reddit 上的争议和情绪

    研究了 Reddit 上的争议性话题以及它们的情感动态，并发现争议性评论表达的愤怒情绪更高，乐观和正面情绪更少；争议性评论会对讨论中后续评论的情感产生影响，通常会导致愤怒情绪的长期增加以及积极情绪的减少，但具体情感变化的幅度和方向取决于讨论主题；情感能够更好地预测哪些评论会变得有争议，从而帮助社区更好地管理讨论。

    Dec, 2022

  • 情感：学习真实世界视觉数据的情感解释

    本文介绍一项研究，通过一个包含 85,007 张公开图片、526,749 个情感反应和自由文本解释的大规模数据集，探讨使用自然语言表达对给定视觉刺激的情感反应所引起的情绪反应。研究提出了三个问题来解决这个新任务，并介绍了一些方法和开源数据集。

    Oct, 2022

  • 网络新闻中的争议和情感

    使用数据驱动方法研究新闻媒体如何处理具有争议性的问题，发现在处理这类问题时通常会出现负面情绪和有偏见的用词，而强烈的情感则会被遏制，同时不同的新闻媒体在处理争议性问题方面存在许多差异。通过这些研究发现，可以比较不同媒体对待争议话题的方式，从而粗略地指示该问题的争议程度。

    Sep, 2014

  • 虚假信息时代的情感动态

    该研究分析了社交媒体上针对科学和阴谋新闻的集体讨论和极化社区之间的情感动态，发现阴谋性文章的社交互动更倾向于负面评论，而随着评论数量的增加，文章的情感呈负面趋势。

    May, 2015

  • 情感主题：情感与病毒传播之间关系的大规模跨语言研究

    通过分析社交媒体上遭受的情绪和传播度，本文探讨了新闻文章的传播和情感之间的关系，并发现情感是影响新闻传播和传染力的根本。

    Mar, 2015

  • 社交媒体数据中环境帖子的情感和情绪分析

    分析社交媒体数据，使用 PMI 算法识别情感并探索环境推文中的主导情绪，发现消极的环境推文比积极或中性的推文更为普遍，重点讨论气候变化、空气质量、排放、塑料和回收等话题，以及恐惧、信任和期待是环境推文中最常见的情绪，旨在提供洞察以提高环境问题的意识，推动干预措施的发展并应对环境挑战。

    Dec, 2023