社交媒体作为即时水质反馈渠道

Feb, 2022

Social Media as an Instant Source of Feedback on Water Quality

Khubaib Ahmad, Muhammad Asif Ayub, Kashif Ahmad, Jebran Khan, Nasir Ahmad...

TL;DR本研究旨在通过使用社交媒体的数据作为及时反馈，探究社交媒体作为水质监测的潜在价值，同时提出了一个使用多个神经网络结构的框架来分析与检索与水质相关的社交媒体帖子，其中最高的 F1-score 值为 0.81，而总体融合结果最高的 F1-score 值为 0.852。

Abstract

This paper focuses on an important environmental challenge; namely, water quality by analyzing the potential of social media as an immediate source of feedback. The main goal of the work is to automatically analyze and retrieve →

water quality social media neural networks bert pso

发现论文，激发创造

社交媒体与人工智能在可持续城市和社会中的运用：一个水质分析案例

提出了一种自然语言处理框架，通过文本分类和主题建模的方法，自动收集并分析社交媒体中与水相关的帖子，以便进行数据驱动决策。

Apr, 2024

QuakeBERT: 社交媒体文本的准确分类以实现地震迅速评估

社交媒体在灾难响应方面起到了帮助作用，但受到噪声的干扰，限制了对韧性城市的准确影响评估和决策制定，本研究提出了首个专业领域的 LLM 模型和整合方法，用于进行快速地震影响评估。

May, 2024

基于多个变压器的洪水相关推特帖子相关性分类

该论文主要研究社交媒体在灾难和紧急情况下作为信息来源的潜力和挑战，并提出了一种基于文本分类的框架来处理 Twitter 噪声数据，通过使用多个 transformers 模型最终达到了 F1-score 0.87 的高分数。

Jan, 2023

社交媒体、主题建模与情感分析在市政决策支持中的应用

本文提出了一个针对社交媒体帖子进行处理的原型框架，旨在考虑市政决策。该框架通过以下三个步骤实现：(1) 确定每个社交媒体帖子的情感极性，(2) 识别流行主题并将其映射到各个帖子，以及 (3) 将这两个信息合并成表示对每个主题表达的整体情感的模糊数。该框架在约两个月的时间里，使用捷克奥斯特拉发表的推文进行演示，展示了模糊数在更丰富方式中表示情感，以及捕捉社交媒体上表达的各种观点。

Aug, 2023

在线新闻源的多源社交反馈

本文介绍了一个大型数据集，旨在为预测分析任务提供评估比较的基准数据，并涵盖了新闻内容、社交反馈等信息以及经济、微软、奥巴马和巴勒斯坦等四个主题。

Jan, 2018

基于命名实体识别和主题建模的社交媒体中自然灾害定位和评估的解决方案

在这篇论文中，我们提出了一个三步解决方案，旨在充分利用社交媒体内容和自然语言处理技术，实现灾害信息学中的相关分类、地点提取和主题建模，以应对社交媒体内容中的挑战。

May, 2024

基于 BERT 的社交媒体声誉分析深度学习方法

在社交媒体的世界中，维护声誉资本至关重要，但是在自动化可靠的在线声誉分析方面仍面临挑战。因此我们提出了一种基于 BERT 的声誉分析方法，并在 RepLab 2013 数据集上进行了评估。相比之前的工作，我们的准确度提高了 5.8％，平衡准确度提高了 26.9％，F 分数提高了 21.8％。

Oct, 2022

从社交媒体预测短篇叙述的质量

本研究提出了使用社交媒体点赞数作为故事质量评估的一种方法，并利用神经网络来预测没有社交网络特征的点赞数，为未来的研究提供了强有力的基准。这也是关于叙述质量自动评估的首个大规模研究。

Jul, 2017

使用大型语言模型模拟社交媒体，评估替代新闻订阅算法

社交媒体及其新闻推送算法对于提升构建性对话具有挑战性，本研究使用大型语言模型和基于代理模型的仿真来研究不同的新闻推送算法如何影响在线对话质量，发现新推送算法能够促进跨政治观点的建设性、非有害对话。

Oct, 2023

自动化分析数字媒体中的公共显著性和对生物多样性的态度

通过使用自然语言处理工具，本研究介绍了一种改进的搜索词生成方法并利用余弦相似度过滤文章，同时使用无监督学习和大型语言模型进行相关性筛选，以分析公众对野生动物的态度和全球生物多样性的感知，进而为保护活动提供支持。

May, 2024