用于预测推特用户的性别和年龄的方法和注释数据集:范围审查
Karen O'Connor1, Su Golder2, Davy Weissenbacher3
1Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, United States.
Journal of medical Internet research
|March 15, 2024
概括
这篇评论总结了预测Twitter用户年龄和性别的方法. 虽然性别预测显示出更高的表现,但这两项任务都需要标准化指标和先进的方法来获得更好的结果.
科学领域:
- 计算社会科学 计算社会科学
- 机器学习应用程序 机器学习应用程序
- 人口预测预测的人口预测.
背景情况:
- 来自社交媒体 (如Twitter) 的现实数据对研究有价值.
- 识别用户人口统计 (年龄,性别) 对于样本代表性至关重要.
- 预测推特用户的年龄和性别存在重大挑战.
研究的目的:
- 对有关预测推特用户年龄和性别的文献进行范围审查.
- 提供用于这些预测的计算方法的概述.
主要方法:
- 搜索了15个电子数据库并进行了参考检查.
- 包括使用计算方法预测推特用户年龄或性别的研究.
- 通过两个研究人员的独立选,确保了准确性和可靠性.
主要成果:
- 审查了74项研究:42项针对性别,8项针对年龄,24项针对两者.
- 性别预测性能在0.58-0.96F1得分或0.51-0.97准确度之间.
- 年龄预测性能各不相同 (0.31-0.94 F1得分或0.43-0.86准确度),报告异质.
结论:
- 现有用于年龄/性别预测的自动化方法,但许多使用传统的机器学习.
- 像深度神经网络这样的先进方法为提高性能提供了潜力.
- 缺乏标准化指标和注释的 corpora 阻碍了比较;数据偏差是一个问题.
关键词:
他们的推特是Twitter.年龄的年龄年龄的年龄.年龄预测预测.人口统计数据 人口统计数据性别 性别 性别 性别 性别性别预测性别预测机器学习是机器学习.神经网络的神经网络的神经网络预测 预测 预测 预测现实世界的数据数据.社交媒体 社交媒体更多相关视频
04:22Author Spotlight: Exploring Sex-Specific Glial Signatures and Therapeutic Leads for Alzheimer's Disease
Published on: May 20, 2024
834
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K
