[论文解读] A Survey of Prediction Using Social Media

Sheng Yu, Subhash Kak|arXiv (Cornell University)|Mar 7, 2012

Complex Network Analysis Techniques参考文献 77被引用 106

一句话总结

本文综述了利用社交媒体预测人类相关事件的应用，分析了情感分析、网络结构挖掘和时间模式识别等技术。它识别出用户参与度和内容趋势等关键预测因子，并指出数据质量、隐私和模型泛化等方面的挑战，为未来社交媒体预测系统提供了基础性概述。

ABSTRACT

Social media comprises interactive applications and platforms for creating, sharing and exchange of user-generated contents. The past ten years have brought huge growth in social media, especially online social networking services, and it is changing our ways to organize and communicate. It aggregates opinions and feelings of diverse groups of people at low cost. Mining the attributes and contents of social media gives us an opportunity to discover social structure characteristics, analyze action patterns qualitatively and quantitatively, and sometimes the ability to predict future human related events. In this paper, we firstly discuss the realms which can be predicted with current social media, then overview available predictors and techniques of prediction, and finally discuss challenges and possible future directions.

研究动机与目标

• 探讨可利用社交媒体平台预测的事件范围。
• 回顾社交媒体预测中使用的现有预测因子与分析技术。
• 识别数据质量、隐私和模型可扩展性方面的关键挑战。
• 概述社交媒体驱动预测的潜在未来研究方向。

提出的方法

• 本文对2005年至2012年间的社交媒体预测学术与技术文献进行了全面综述。
• 它将预测目标按领域分类，如政治、金融、健康和娱乐。
• 技术包括用户生成内容的情感分析、网络中心性度量以及参与度指标的时间序列建模。
• 作者分析社交网络中的结构与行为模式，以推断预测信号。
• 他们评估了多种数据源（包括Twitter、Facebook和博客）的有效性。
• 该综述结合计算机科学与社会科学的视角，评估预测的有效性。

实验结果

研究问题

• RQ1 哪些类型的人类相关事件可利用社交媒体数据可靠预测？
• RQ2 哪些社交媒体特征与用户行为是最有效的预测因子？
• RQ3 不同分析技术在准确性和可扩展性方面如何比较？
• RQ4 当前社交媒体预测系统的主要局限性是什么？
• RQ5 哪些未来研究方向可提升社交媒体预测的可靠性与伦理使用？

主要发现

• 社交媒体可低成本聚合多样化观点与情绪，可用于预测建模。
• 用户生成内容的情感分析与真实世界事件（如选举结果和股市波动）表现出强相关性。
• 网络结构度量（如影响力与中心性）可提升社会传播与信息扩散模型的预测准确性。
• 用户活动与内容量的时间模式通常先于并可预测重大社会事件。
• 尽管结果令人鼓舞，但数据稀疏性、噪声以及隐私问题仍影响模型鲁棒性。
• 多源数据整合与跨领域验证被确定为实现更可靠预测的关键推动因素。