基于位置、职业和语义的Twitter用户社会经济地位推断
社会与信息网络
2019-01-17 v1 计算与语言
计算机与社会
数据分析、统计与概率
物理与社会
摘要
人们的社会经济地位取决于个体特征和环境变量的组合，因此从在线行为数据中推断社会经济地位是一项困难的任务。用户通信中的语义、居住地、职业或社交网络等属性均被认为是该特征的决定性预测因子。在本文中，我们提出了三种不同的数据收集与组合方法，首先估计，进而推断法国Twitter用户从其在线语义中反映的社会经济地位。我们的方法基于公开的人口普查数据、爬取的职业资料以及遥感获取的、经专家标注的居住环境信息。我们的推断模型达到了与先前结果相当的性能，其优势在于依赖广泛可用的数据集，并提供了一个可推广的框架来估计大量Twitter用户的社会经济地位。这些结果可能有助于关于社会分层与不平等的科学讨论，并可为多种应用提供支持。
引用
@article{arxiv.1901.05389,
title = {Location, Occupation, and Semantics based Socioeconomic Status Inference on Twitter},
author = {Jacobo Levy Abitbol and Márton Karsai and Eric Fleury},
journal= {arXiv preprint arXiv:1901.05389},
year = {2019}
}
备注
Accepted as a full paper in the 2018 IEEE 18th International Conference on Data Mining - IWSC'18 2nd International Workshop on Social Computing