Jul, 2023

推特数据对未来的启示

PDF
TL;DR通过研究推特上的未来学家预测的除了未来，并深入探究了语言提示对社交媒体用户的预测思维的影响，本研究使用尖端的自然语言处理模型构建了一个可扩展的 NLP 流程，并通过 LDA 和 BERTopic 方法识别了推特上未来学家的 15 个主题和 100 个不同主题，为未来学术研究和推特上的未来学家所预测提供了新的见解。
发现论文，激发创造
  • 基于时间文档历史的未来语言建模

    预测未来的文本数据，结合时间历史背景，基于概率模型建立了未来语言模型。

    Apr, 2024

  • 使用社交媒体预测未来

    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

  • 利用时间序列分析和自然语言处理预测金融市场趋势

    本研究通过时间序列分析和自然语言处理，评估了利用 Twitter 情感进行预测特斯拉、苹果等主要公司股票价格的可行性，结果表明积极性、消极性和主观性是股票价格波动的主要决定因素。该研究强调了将公众意见纳入股票价格预测的重要性，同时指出利用 Twitter 情感可以作为预测股票价格的有效工具，应纳入投资策略制定。

    Aug, 2023

  • 从文本中测量预测技能

    本文探讨了语言因素与预测技能之间的联系，并基于语言模型对预测技能进行了准确预测。

    Jun, 2020

  • 利用今日 Twitter 的讨论预测明日的头条新闻

    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

  • 使用 Twitter 数据预测心理疾病的发生和发展

    本研究基于推特数据开发了计算模型，能够预测个人是否罹患抑郁症和创伤后应激障碍，并证明了这种数据驱动的预测方法可以为早期筛查和检测精神疾病提供帮助。

    Aug, 2016

  • Traffic-Twitter Transformer: 基于自然语言处理的交通预测框架

    本文旨在通过将社交媒体功能纳入考虑范围，以提供一个灵活全面的框架，在交通强度和 Twitter 数据强度之间建立相关性，并将两个时间序列数据馈入我们的 Traffic-Twitter Transformer，为长期交通预测提供自然语言表示。实验结果表明，这种纳入 NLP 的社交感知框架能够成为交通机构网络广泛预测和管理的有价值的实现。

    Jun, 2022

  • 基于 Twitter 数据的最先进选举预测的元分析

    通过系统的分析整理，该论文第一次对来自 Twitter 数据的选举预测整体研究进行了 Meta 分析，揭示了当前研究不能充分证明其预测能力可以取代传统的选举民调，提供了未来研究的方向和需求。

    Jun, 2012

  • 通过推特情感预测研究的科学研究公众反应

    本研究旨在预测推特用户在社交媒体上对科学出版物的情感表达，并研究有哪些研究文章特征有助于这种预测。通过识别社交媒体上的研究文章情感，科学家可以评估其研究文章的新的社会影响。

    Sep, 2022

  • 预测 Twitter 用户预测的胜者和失败者:“我有一种感觉特朗普会赢……

    通过建立一个由推特注释而成的语料库，训练一个检测正面真实性的对数线性分类器并聚合用户的显式预测，我们的方法需要输入一组参赛者，依靠众人的智慧自动预测未知的结果。在广泛的竞赛预测任务中，我们的方法优于情绪和推特体积基线，并进一步演示了如何使用我们的方法来测量个人账户预测的可靠性并回溯地识别意外的结果。

    Jul, 2017