利用地理参考语料库映射语言与人口统计特征
计算与语言
2020-04-03 v1
摘要
本文针对取自网络爬取和社交媒体来源的 Large 地理参考语料库，将其与真实人口和语言普查数据集进行比对评估。目标是确定（i）哪个数据集最能代表人口统计特征；（ii）在世界的哪些地区这些数据集最能代表实际人口；（iii）如何对数据集加权以提供更准确的底层人口表征。本文发现两个数据集代表极不同的人口，且它们与实际人口的相关性分别为 r=0.60（社交媒体）和 r=0.49（网络爬取）。此外，Twitter 数据能更好地预测各国所用语言的种类。
引用
@article{arxiv.2004.00809,
title = {Mapping Languages and Demographics with Georeferenced Corpora},
author = {Jonathan Dunn and Ben Adams},
journal= {arXiv preprint arXiv:2004.00809},
year = {2020}
}
备注
Proceedings of GeoComputation 19