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。

Jan, 2020

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

通过考虑 Twitter 上的用户参与和反应，使用社交媒体数据为基础，提出一种新的模型来预测新闻文章的流行度，在选取的 300 篇政治新闻文章中，该方法优于其他基线模型。

Jan, 2019

利用 Word2vec 和 N-gram 文本表示方法，对 Twitter 上大众情绪进行情感分析，并应用监督式机器学习原理分析某公司股票市场的走势与 Twitter 上情感的相关性，研究表明社交媒体中与某公司相关的正面消息和推文会鼓励人们投资该公司的股票，从而提高该公司的股价。

Oct, 2016

本研究利用社交媒体内容评估情感分析技术，创建主观性与群体行为和聚类系数之间的关联，并尝试预测 2021 年西孟加拉邦选举结果。

Jul, 2021

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

本文旨在通过建立多维特征空间来分析新闻文章的性质，采用回归和分类算法预测其在线受欢迎程度，发现可在 Twitter 上以 84% 的准确率范围内预测其受欢迎度，并突显传统来源与社交网络受欢迎性的差异。

Feb, 2012

本研究使用 DistilRoBERTa 算法比较分析了两个流行社交媒体平台 Reddit 和 Twitter 对 COVID-19 疫苗的舆情。结果表明，尽管平均情感表达在这些媒体平台间有所变化，但两者在与疫苗相关的重要发展时分享的情感具有相似的行为。因此，这些社交媒体平台继续是公共卫生官员可利用的宝贵数据源，以增强疫苗信心和打击虚假信息。

Oct, 2022

本文探讨了社交媒体平台，特别是 Twitter 在衡量研究成果影响力方面的应用，基于 1.4 百万生物医学领域的 PubMed 和 Web of Science 收录的文章进行分析，发现推文量和引用量相关性较低，提出了一种基于文章覆盖度和推文与引用相关性的新型科研影响力评价框架。

Aug, 2013

本文阐述了如何使用社交媒体内容来预测真实世界的结果，具体来说，作者使用 Twitter 上的内容预测了电影的票房收入，并演示了如何使用从 Twitter 中提取的情感来进一步提高社交媒体的预测能力。

Mar, 2010