本文针对社交媒体中讨论的各种话题，通过推文主题分类研究，提供两个相关数据集用于评估推文分类模型，并在语言模型上进行量化评估和分析。

Sep, 2022

使用推特获得的大量时间序列数据，通过词嵌入技术和专门微调的语言模型进行后处理，捕捉了过去五年中 n-gram 频率、相似性、情感和主题分布的变化。构建在该数据之上的界面可以进行时间分析，用于检测和描述意义的转变，包括与趋势度量相补充的情感和主题的时间关联信息。我们提供了一个在线演示用于方便实验，还分享了代码和底层的聚合数据供以后的工作使用。本文还讨论了基于我们平台的三个案例研究，展示了它在时间语言分析方面的潜力。

Aug, 2023

本文利用提出的神经模型 CTM，从社交媒体中的多模态内容、作者上下文和深层语义线索等方面进行综合建模，从而支持 $300$ 个主题的大规模话题分类，并在 Twitter 上实现了显着的性能提升（相对平均精度分数提高 20%），此方法已成功应用于 Twitter 的生产环境。

May, 2022

本文描述了一种名为 Twitter-Demographer 的工具，该工具旨在为 NLP 从业者和社会科学家提供聚合信息，促进再现性，并为伪匿名提供算法隐私保护措施。

Jan, 2022

Twitter 数据由于其形式和语言的不规整性，在当前的主题建模中很难处理。针对该问题，提出了基于 Twitter-Network（TN）主题建模方法，该方法结合文本和社交网络全面应用贝叶斯非参数方法。使用层级泊松 - 狄利克雷过程（PDP）进行文本建模和高斯随机函数模型进行社交网络建模。结果表明，TN 主题模型的灵活性使其明显优于现有的非参数模型，同时提供了作者兴趣、hashtag 分析等信息推断，以及进一步的应用，如作者推荐、自动主题标注和 hashtag 建议。

Sep, 2016

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

本研究使用数据分析和情感分析等方法，以 Twitter 为研究对象，收集了截至 2020 年 7 月 COVID-19 相关的 19298967 条推文，探讨了公众舆论和社交媒体传播的重要性。

Jan, 2021

本文提出了一个简单而有效的模型，即真实来源模型，来解决 twitter 上的 “位置 A / B 问题”，该模型使用机器级自然语言理解来识别可能含有原始位置信息的推文，以达到国家，省市，乡镇和地区等级的有希望的准确性，并研究了多个推文的分布，以了解 Twitter 用户在提及原始和非原始位置方面的行为。

Nov, 2022

该文介绍了 GeoCoV19—— 一个包含 524 百万条推文的大规模 Twitter 数据集，通过基于地名词典的方法来推断推文的地理位置，而这一大规模、多语言、地理定位的社交媒体数据可以帮助研究社区评估社会如何共同应对这一前所未有的全球危机，以及建立计算方法来应对如识别假新闻，理解社区的知识差距，建立疾病预测和监测模型等挑战。

May, 2020

本文探索了利用不同位置、时间和作者搜集的大量元数据来分析推文情感，并使用基于贝叶斯方法的分类器，将上述元数据与 n-grams 等标准语言特征相结合，以更准确地对推文情感进行分类。结果表明，将 Twitter 可用的丰富上下文信息整合到情感分类中是一个有希望的研究方向。

May, 2016