机构名称：
¥ 1.0
研究人员已经开始利用 Twitter 提供的新的地理定位信息来源，提供关于各种空间视角的见解，包括本地化人格特质和心脏病的地理差异（Eichstaedt 等人，2015 年；Obschonka 等人，2019 年）。同样，语言学分析利用社交媒体的大数据来揭示区域语言差异（Grieve 等人，2018 年）。本研究应用大数据分析来探索创新地理中的无形要素。我们将从美国专利商标局收集的人均专利空间聚类（Pat_Cap）与反映社交媒体讨论和围绕技术创新相关主题的“热议”的新变量进行比较。这个变量被标记为 InnoTech_Tw，基于 2014 年美国各县 8.9 亿条地理编码推文中约 89 亿个单词的语料库（有关该数据集的更多信息，请参阅 Grieve 等人，2018 年）。它被定义为美国每个县所有单词的相对频率之和，按它们与创新和技术这两个术语的余弦相似度加权，通过将 word2vec 算法应用于 300 万个单词的 300 维向量数据集而获得，该数据集在约 100 个语料库上进行训练
社交媒体反映的创新地理
主要关键词
相关文件推荐
