本文研究了利用推特进行营养数据收集与分析的可行性，通过关联 210K 用户推特中提及的饮食体验与其兴趣、社交网络等因素，以推断全美国人的饮食习惯；进一步根据提及的食物名称和人口统计学变量预测县级肥胖症和糖尿病数据，结果较之前的研究表现更佳；最后，还根据提到社会和经济因素的数据，研究了肥胖症的社会因素。

Dec, 2014

研究社交媒体上食品语言的预测能力，通过三百万个相关推特文章的语料库，演示可以直接从数据中预测许多潜在的人口特征，包括超重率、糖尿病率、政治倾向和作者的家庭地理位置，所有任务的基于语言的模型都显著优于多数基线。最后，我们设计和实现了一个在线系统，用以实时查询和可视化数据集。

Sep, 2014

本研究旨在通过分析 Twitter 数据来探讨心理学中一直存在的气象对人类情绪的影响问题，并发现了一些支持和反对之前存在假设的结论。

Oct, 2014

本研究介绍了拉脱维亚 Twitter 食品语料库，包含超过 2 百万个与食品、饮料、吃和喝相关的推文。我们还分离出两个子语料库，用于培训领域特定的问题回答和情感分析模型。

Jul, 2020

本研究研究了 Yelp 评论与食品类别之间的关系，调查了各种食品类型的评分、情感和主题在不同食品类型之间的变化。通过分析评论的评分和情感如何在食品类型之间变化，基于评分和情感对食品类型进行聚类，采用机器学习模型推测评论主题，并比较不同食品类型之间的主题分布。我们的分析发现，某些食品类型的评分、情感和主题分布相似，而其他食品类型则具有明显的模式。我们基于评分和情感确定了四个食品类型的聚类，并发现评论者在评论某些食品类型时倾向于关注不同的主题。这些发现对于理解用户行为和文化对数字媒体平台的影响以及促进跨文化理解和欣赏具有重要意义。

Jul, 2023

本研究通过对 Instagram 上标签和社交网络数据的分析，尝试理解外部图片的内容以及其与已有标签的关联，特别地，通过纯粹的社交网络数据尝试识别食品图像的类别和内容，并证明了该方法在识别流行食品类别时的正确率可以达到 70% 以上，这表明通过数据驱动的分析可以为图片内容的关系及开发相关算法提供新的机遇和挑战。

Mar, 2016

此研究通过数据挖掘方法在社交媒体数据和灾害严重程度之间找到关联，并使用特定区域的 Twitter 数据预测该区域的飓风等级。

Aug, 2023

应用自然语言处理和基于 Transformers 的双向编码器表示 (BERT) 进行转移学习，fine-tuning 模型对新闻类干旱影响报告 (DIR) 的数据，并将其应用于基于美国过滤的推特数据中识别七种干旱影响。

Dec, 2022

本文针对 Twitter 用户于 2008 年 8 月至 12 月发布的公开推文进行情绪分析，提取 6 种情绪维度，并将数据与股市、原油价格、大选等事件进行比较，研究结果表明社会、政治、文化和经济领域的事件对公众情绪有明显、即时和高度特定的影响，因此情绪的大规模分析可以提供一个可靠的平台，用于以现有的社会和经济指标来模拟集体的情感趋势。

Nov, 2009

本研究利用 Hedonometer 情感分析计算器，分析了 2008 年 9 月至 2014 年 7 月期间 Twitter 上关于气候变化的帖子，发现自然灾害、气候议案、石油开采等问题可以导致幸福感下降，而气候集会、新书发布、绿色创意竞赛等可以提高幸福感。同时，推特上与气候变化相关的帖子主要来自于气候变化活动家，说明推特是气候变化意识传播的有价值的资源。

May, 2015