• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Scientific Reports >Validation of Twitter opinion trends with national polling aggregates: Hillary Clinton vs Donald Trump
【2h】

Validation of Twitter opinion trends with national polling aggregates: Hillary Clinton vs Donald Trump

机译：通过全国民意测验来验证Twitter意见趋势：希拉里·克林顿vs唐纳德·特朗普

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Measuring and forecasting opinion trends from real-time social media is a long-standing goal of big-data analytics. Despite the large amount of work addressing this question, there has been no clear validation of online social media opinion trend with traditional surveys. Here we develop a method to infer the opinion of Twitter users by using a combination of statistical physics of complex networks and machine learning based on hashtags co-occurrence to build an in-domain training set of the order of a million tweets. We validate our method in the context of 2016 US Presidential Election by comparing the Twitter opinion trend with the New York Times National Polling Average, representing an aggregate of hundreds of independent traditional polls. The Twitter opinion trend follows the aggregated NYT polls with remarkable accuracy. We investigate the dynamics of the social network formed by the interactions among millions of Twitter supporters and infer the support of each user to the presidential candidates. Our analytics unleash the power of Twitter to uncover social trends from elections, brands to political movements, and at a fraction of the cost of traditional surveys.
机译：通过实时社交媒体测量和预测意见趋势是大数据分析的长期目标。尽管解决这一问题的工作量很大，但传统调查并未明确证实在线社交媒体的舆论趋势。在这里，我们开发了一种方法，该方法通过使用复杂网络的统计物理学和基于主题标签共现的机器学习相结合来推断Twitter用户的意见，以构建一百万条推文的域内训练集。通过将Twitter的意见趋势与代表数百种独立传统民意测验的《纽约时报》全国民意调查平均数进行比较，我们在2016年美国总统大选的背景下验证了我们的方法。 Twitter的意见趋势遵循NYT民意测验的汇总，准确性极高。我们调查了数百万Twitter支持者之间的互动所形成的社交网络的动态，并推断出每个用户对总统候选人的支持。我们的分析功能释放了Twitter的力量，可揭示选举，品牌，政治运动等社会趋势，而成本仅为传统调查的一小部分。

著录项

相似文献

  • 外文文献
  • 中文文献
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号