该研究描述了在线空间（即社交媒体语言数据）和真实世界空间（即新西兰的分行政区域）的比较语言生态学初步研究。我们比较了这些不同空间的语言多样性指标，并讨论社交媒体用户如何与真实世界人口保持一致。当前研究的结果表明，有潜力利用在线社交媒体语言数据观察分行政地理区域的语言多样性的时空变化，但需要进一步研究来了解社交媒体如何代表真实世界行为。

Aug, 2023

该研究介绍了一种新的计算技术，用于检测和分析语言中的地理变异，并使用统计学方法识别特定于地区的显著差异。通过神经语言模型学习单词表示，以捕捉地理区域内的不同语义，该方法是第一种明确考虑偶然变异的方法，同时检测单词含义区域变异。研究使用两个大规模在线数据集进行验证，揭示了多个地理分辨率级别的语言变化的有趣方面。最后，使用该模型，我们提出了一种语言语义相似度的度量标准，并发现在 100 年的时间里，在语义层面上，英式英语和美式英语的差异在缩小。

Oct, 2015

通过构建知识引导的词汇表来计算语言的地区文化差异，以及现代 LM 的文化差异测量和生成的失败。

Jun, 2024

使用地理标记微博数据集对西班牙语言的地区变体进行了大规模分析，发现该语言分为两个超级方言，包括城市语言和更具区域特色的农村和小城镇语言的不同形式。

Jul, 2014

本文研究了在一国范围的公开社交媒体数据集中短暂行为特征对失业率影响的贡献程度，并发现表现出更多样化流动通量，更早时间的昼夜节律和更正确语法风格的地区显示更低的失业率，因此，我们提供了一个简单的模型，它能够仅通过社交媒体数据即可准确地可解释地重建地区失业率。

Nov, 2014

分析社交媒体数据中的位置和口语与 Twitter 数据之间的关系，采用每个城市特定的词袋模型并评估它们的表现。揭示了地理位置对在线交流的重大影响，证明了即使在嘈杂的数据中，也可以发现隐藏的见解。这项研究将复杂的模型与抽象理解结合起来，为将结构化模型与推测性推理相融合的系统开辟了道路。

Oct, 2023

通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

Oct, 2012

该研究使用基于代理人的模型，在社交媒体平台 Twitter 上收集的创新性单词数据集基础上，揭示了文化创新传播的地理模式取决于身份认同和网络拓扑结构的交互作用。网络贡献了弱关联扩散，而身份认同则对强联系扩散起着不同寻常的作用，两者结合才能更好的解释文化创新的传播。

Feb, 2022

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

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