社会空间自组织映射：利用社交媒体评估社会过程暴露的相关地理区域
社会与信息网络
2018-09-06 v3 计算机与社会
摘要
社交媒体为了解种族主义和恐同等态度提供了一个独特的窗口，而暴露于这些态度是重要、难以测量且研究不足的健康社会决定因素。然而，来自社交媒体的个体地理定位观测存在噪声且在地理上不一致。用于测量暴露的现有区域（如邮政编码）会对不相关的行政边界进行平均化处理。因此，为了能够研究社交媒体态度等在线社会环境测量及其与健康结果的可能关系，首先需要一种方法来定义各地区社交媒体态度的集体潜在程度。为了解决这个问题，我们创建了社会空间自组织映射“SS-SOM”流程，以根据 Twitter 帖子最佳地识别具有潜在社会态度的区域。SS-SOM 使用神经嵌入进行文本分类，并增强传统的 SOM 以生成受控数量的、不重叠的、拓扑受限且主题相似的聚类。我们发现，SS-SOM 不仅对缺失数据具有鲁棒性，而且与使用基于邮政编码的测量相比，使用 SS-SOM 测量时，易受多种与种族主义和恐同相关的健康结果影响的男性队列的暴露变化高达 42%。
引用
@article{arxiv.1803.09002,
title = {Socio-spatial Self-organizing Maps: Using Social Media to Assess Relevant Geographies for Exposure to Social Processes},
author = {Kunal Relia and Mohammad Akbari and Dustin Duncan and Rumi Chunara},
journal= {arXiv preprint arXiv:1803.09002},
year = {2018}
}
备注
23 pages, 4 figures, 3 tables