Twitter-Demographer：一种用于丰富Twitter数据的基于流的工具
计算与语言
2022-01-27 v1
摘要
Twitter数据已成为自然语言处理（NLP）和社会科学研究不可或缺的部分，近年来推动了各种科学发现。然而，仅文本数据往往不足以开展研究：尤其是社会科学家需要更多变量来执行其分析并控制各种因素。我们如何扩充这些信息（如用户位置、年龄或推文情感）对匿名性和可重复性有影响，且需要专门投入。本文描述Twitter-Demographer，一种简单的、基于流的用于以推文和用户附加信息丰富Twitter数据的工具。Twitter-Demographer面向想要用聚合信息丰富其数据集的NLP从业者和（计算）社会科学家，促进可重复性，并提供算法性的隐私保护设计措施以实现伪匿名。我们讨论了受基于流的编程范式启发而做出的设计选择，即使用可轻松链式组合与扩展的黑盒组件。我们还分析了使用该工具相关的伦理问题，以及促进伪匿名的内置措施。
引用
@article{arxiv.2201.10986,
title = {Twitter-Demographer: A Flow-based Tool to Enrich Twitter Data},
author = {Federico Bianchi and Vincenzo Cutrona and Dirk Hovy},
journal= {arXiv preprint arXiv:2201.10986},
year = {2022}
}