面向快速演化在线讨论的动态社交媒体监测

追踪和收集快速演化的在线讨论为研究社交媒体使用及其在人们公共生活中的作用提供了海量数据。然而，使用静态关键词集收集社交媒体数据无法满足监测动态对话和研究快速变化话题的日益增长的需求。我们提出一种动态关键词搜索方法，以最大化快速演化在线讨论中相关信息的覆盖度。该方法使用词嵌入模型表示关键词之间的语义关系，并使用预测模型预测未来时间序列。我们还实现了一个可视化用户界面，以辅助每轮关键词更新中的决策过程。这使得人工辅助追踪和全自动数据收集均成为可能。在使用 2017 年历史 #MeToo 数据的模拟中，我们的人工辅助追踪方法显著优于传统静态基线方法，在追踪热门趋势关键词方面 F-1 分数比传统静态监测器高 37.1%。我们开展了一项当代案例研究，以覆盖关于最近总统就职典礼的动态对话并测试动态数据收集系统。我们的案例研究反映了我们流程的有效性，也指出了未来部署中的潜在挑战。