XiaoMi-AI文件搜索系统
World File Search SystemTweets
道德机器：跟踪推文中的道德价值
对社会科学研究的兴趣越来越多，以利用智能数据分析来自动收集和分析大量数据。潜在的有趣但相对尚未探索的领域是伦理学，到目前为止，在理论上而不是经验方面，它已经更加接近，尤其是在机器学习方法上。Twitter等网络媒体的瞬时和有见识的性质为情感，观点，信息和互动提供了直接的渠道，并充满了道德观点[14]。因此，Twitter是跨学科研究的有前途的数据源。，大多数社会科学研究都检查了信息的分歧，而不是内容[1,7,17]。即使分析内容，这主要集中在商业或政治动机上[2，18]。同样在智能数据分析中，社交媒体监控是一个受欢迎的话题，但通常仅限于商业应用程序的情感或意见挖掘，并且缺乏理论上的社会科学基础。因此，有一种方法可以将道德研究与社交网络内容分析相结合。这项研究的主要目的是提供道德机器的概述，道德机器的概念系统证明并监视道德情绪
国际多学科科学与艺术杂志
收到：29/07/2024接受：02/08/2024出版物：03/08/2024摘要本研究通过Maass等人的语言Intergroup Bias（LIB）理论分析了对以色列 - 伊朗冲突的评论，通过分析对以色列 - 伊朗冲突的评论来研究冲突的感知。（1989）和Semin and Fiedler（1988，1991，1992）的语言类别模型（LCM）。这些理论集中于语言在群体间相互作用中的使用如何无意间加强或建立对群体的看法，并通过用于描述和分析伊朗 - 以色列冲突中描述和分析案例研究的语言所感知的隐式属性。使用定性方法，通过搜索#IRANISRAELCONFLICT标签从Twitter平台收集数据。总共分析了10个数据点，包括1条带有9条评论的推文。这项研究旨在了解语言选择如何影响群体间的看法，并可能通过社交媒体影响冲突动态。分析涉及识别语言偏见的使用并将陈述分类为群体或外部的正面或负面行为，分为四个级别的语言抽象级别。分析的结果表明，抽象语言倾向于用来描述外群的负面行为，加剧现有的偏见并塑造公众对冲突的看法。关键字 - 抽象纠纷，编码类别，群体和外部，以色列 - 伊朗冲突，语言偏见。简介
推文情绪及其对股市走势的影响
推特情绪及其对股市走势的影响 评审团： 论文发起人： Hakim ABBES Ashwin ITTOO 旨在获得硕士学位 读者： 商业工程学位 Michael SCHYNS 专注于供应链 Anne-Sophie HOFFAIT 管理和商业分析 学年 2015/2016
使用深度学习对非正式马来语推文进行情感分析
Twitter 是一个在线微博和社交网络平台，用户可以撰写简短的消息（称为推文）。它拥有超过 3.3 亿注册用户，每天生成近 2.5 亿条推文。由于马来语是马来西亚的国语，因此有相当多的用户使用马来语发推文。推文的最大长度为 140 个字符，这迫使用户专注于他们想要传播的信息。这一特点使推文成为情绪分析的一个有趣主题。情绪分析是一种自然语言处理 (NLP) 任务，用于对推文是具有积极情绪还是消极情绪进行分类。本研究选择马来语推文，因为对这种语言的研究有限。在这项研究中，我们使用深度学习模型对马来语推文进行情绪分析。我们实现了 77.59% 的准确率，超过了对印尼语的类似工作。
埃隆马斯克的推文对比特币价格的影响......
加密货币的受欢迎程度呈天文数字上升，并催生了一种革命性的新支付和投资方式。这些由区块链支持的证券不仅成功吸引了华尔街的鲨鱼，也吸引了散户投资者。这种飞速增长导致加密货币和区块链的市值飙升。比特币是有史以来第一个领先的加密货币，其市值已超过 7830 亿美元。到 2023 年，所有加密货币的总市值预计将超过 10877 亿美元。尽管这些数字惊人，但加密货币市场一直在努力解决的一个问题是高波动性。与传统市场一样，加密市场容易因新闻发展和投机而波动，从而加剧价格波动。然而，由于加密市场的流动性短缺，这种影响被夸大了，任何小新闻或猜测都可能导致价格波动。埃隆·马斯克 (Elon Musk) 位列全球最富有的人和最富有的人之列。加密货币市场波动性的最大推动者是埃隆·马斯克，因为他在 Twitter 上有 5800 万粉丝，并且他发布了关于比特币和狗狗币等加密货币的令人费解的推文。在他的几条推文之后，交易量明显高于平常。研究人员认为，社交媒体活动会影响这些动向；因此，像埃隆·马斯克这样的有影响力的人可以显著影响加密货币。该项目旨在研究埃隆·马斯克在 Twitter 上的相关活动及其对加密货币市场的影响。该项目的目标是研究埃隆·马斯克的推文对比特币和狗狗币以及价格预测的影响。为了实现这一目标，该项目提出了各种模型，例如自回归模型、移动平均模型和自回归综合移动平均模型。基于对数似然、修正赤池信息准则和贝叶斯信息准则等各种指标，选择最佳模型来预测未来。
存在于2025年：在推文，模因和Tiktok视频中以性别歧视的识别和表征分歧
摘要。本文描述了存在于2025年的社交网络中性别歧视识别的实验室，该实验室预计将在CLEF 2025会议上举行，代表了现有挑战的第五版。该实验室包括两种语言，英语和西班牙语的九项任务，这些任务与三种不同类型的数据相同的三个任务（性别歧视，来源意图检测和性别歧视分类）。这种多媒体方法将有助于确定跨媒体格式和用户互动的性别歧视的趋势和模式，从而有助于更深入地了解社会动态。与2023年和2024年存在一样，该版本将使用“以分歧”的方式使用“学习”。九个任务的数据集将包括来自多个注释的注释，显示不同甚至相互矛盾的意见。这有助于模型从不同的角度学习，使它们更好地理解一系列人类观点，并为有效的以人为本的解决方案发展。
评估相关推文的可靠性并使用手动和自动方法进行验证以进行洪水风险沟通
摘要：虽然 Twitter 一直被誉为有关灾害事件的最新信息的卓越来源，但推文的可靠性仍然令人担忧。我们之前的出版物提取了包含有关 2013 年科罗拉多州洪水事件及其影响的信息的相关推文。使用相关推文，本研究通过检查文本和图像内容并将其与其他公开可用的数据源进行比较，进一步检查了推文的可靠性（准确性和真实性）。我们实施了文本信息的手动识别和图像的自动（Google Cloud Vision、应用程序编程接口 (API)）提取，以平衡准确的信息验证和高效的处理时间。结果表明，文本和图像都包含有关受损/被洪水淹没的道路/街道的有用信息。当足够多的推文包含地理坐标或位置/场地名称时，这些信息将有助于应急响应协调工作和明智的资源分配。本研究将确定可靠的众包风险信息，以通过更好地利用众包风险通信平台来促进近乎实时的应急响应。
大城市变化：预计气候变化将推动城市中的群众营业额
自2022年12月1日，该公司开发的自然语言处理聊天机器人是自然的语言处理聊天机器人，其用户群体受欢迎，在第一个月的一个月内赢得了一百万美元。虽然是最受欢迎的，但Chatgpt只是由处理模型提供动力的许多其他生成程序中的一个：在Dall-E等生成艺术程序和稳定的扩散中；代表一波新的人工智能技术浪潮到达互联网海岸的波峰。由于世界的精确，例如印刷机，广播，报纸的出现，他们经常引起他们的愤怒和赞美。以类似的方式，Chatgpt就其含义和潜在用途产生了一系列讨论。已经从一个学术角度研究了Chatgpt的迅速影响，从对其在研究作者身份的可疑作用[1]中的不赞成，在辨别人类生成的摘要中的困难是从Chatgpt生成的摘要[2]；尽管该技术可以通过帮助较弱的作家[3]来使运动环境民主化，而三分之一的医疗保健研究人员对其应用偏向偏向[4]。其对医学奖学金的影响很明显，尤其是在自信地造成虚假事实[5]或造成不准确性的情况下[6]的情况下；提出一定程度的谨慎和人类的判断[7] [7] [8]。虽然许多这样的研究，社论和评论已经发表了有关Chatgpt在专业环境中的影响，但与一般看法有关。自发布以来，很少有大数据研究研究到聊天机器人周围的首次公开话语。现有关于早期采用者的大规模数据研究表明，对这项技术的压倒性积极情绪[9]，尽管恐惧涉及其对现有工作的影响[10]；早期的情绪涉及对其潜在应用的兴奋，尽管对道德问题有危险信号[11]。其他研究还发现，当用作聊天机器人时，与普通专业人士相比，当用作聊天机器人时，会产生更高的质量和更多的善解人意回复[12]，并且对其在教育中的应用[13]及其用户友好界面作为信息合并器[14]充满热情。此类技术有可能通过现有的专业领域削减一部分，从而提出了历史上的弯曲点，以捕捉人工智能的公共时尚主义者。以这种动力建立，我们旨在分析围绕Chatgpt首次公开看法的旺盛和情感。我们询问所有英语推文的语料库数据集，其中包含2022年12月1日至2023年3月1日（n = 4,251,662）的Chatgpt关键字，以提出两个研究问题：首先，哪些最大的问题或主题是最大的参与？第二，最高频的关键字是什么？它的情感是什么？我们的第一个目标是通过运行突出的峰模型（突出> 20,000）来实现的，并确定与提到计数尖峰相关的主题。我们的第二个目标确定了由价（正，中性，负面）评级的最高频率关键字，
yezzzs做到了：使用坎耶·韦斯特（Kanye West）的Tweets
摘要 - 精密医学领域面临的最大挑战之一是鉴定能够在个人水平上检测临床有意义的变化的生物标志物，而不仅仅是大规模人口研究。为此，越来越多的社交媒体媒体提供了对数字基因标志物的生态播种数据库的无与伦比的访问，可以用单用户精确来利用，通过监视使用量和情感状态来支持精神卫生保健。尽管有潜力，但研究如何使用社交媒体使用来研究睡眠效果行为的研究显着很少，部分原因是缺乏使用社交媒体活动来检测和估算睡眠的既定方法。我们在这里提出了一种新的方法，用于使用基于社交媒体的数据来跟踪睡眠和情绪，并在心理健康监测和预防方面使用了潜在的应用。在展示概念证明中，我们还提供了一个道德和理论框架，即如何在这个敏感但潜在的高度富有成果的领域中进行。
胰岛素定价和其他主要糖尿病有关的问题：2017年至2019年之间的46个407推文的研究
摘要引言几乎没有研究通过社交媒体进行系统地评估糖尿病患者的关注，这是社交变革的有力工具，并更好地了解与健康相关问题的看法。本研究旨在确定美国与糖尿病相关的关键问题以及使用Twitter上共享的信息相关的主要情绪。研究设计和方法在2017年4月至2019年4月之间收集了总共1170万与糖尿病有关的英文推文。机器学习方法用于过滤带有个人内容的推文，将其Geolocate（到美国）和识别具有情感元素的推文群。然后将情感分析应用于每个集群。结果，我们确定了46个407推文，其中有30个群集在美国的情感元素； 5个集群（占18％的推文）与胰岛素定价有关，既有积极的情绪（喜悦，爱），指的是倡导负担得起的胰岛素和与胰岛素价格挫败感有关的悲伤情绪，5个集群（占12％的推文）（12％的推文）都可以团结一致，并表达了欢乐和爱情的主要感和支持。最负面的主题（10％的推文）与糖尿病困扰有关（24％的悲伤，27％的愤怒，21％的恐惧元素），糖尿病和胰岛素冲击（45％的愤怒，46％的恐惧）和合并症（40％的悲伤）。使用社交媒体数据的结论，我们能够描述与糖尿病有关的关键问题及其相关情绪。更具体地说，我们能够强调胰岛素定价及其对情绪的负面影响的现实问题。使用此类数据可能是当前措施的有用补充，这些措施涉及公共决策，围绕糖尿病患者的关注和负担。