TY -非盟的利维Abitbol雅各AU -百合花纹的,埃里克·AU - Karsai Marton PY - 2019 DA - 2019/05/19 TI -最佳代理选择社会经济地位在Twitter上推断SP - 6059673六世- 2019 AB -个人的社会经济地位推理从在线跟踪是一个非常艰巨的任务。虽然目前的一般方法训练预测模型不完整的数据通过附加的社会经济信息的居民区或专业职业概要,很少有人注意到这些信息如何作为一个代理个人人口统计特征的兴趣当美联储学习模型。这里我们解决这个问题提出了三种不同的数据收集和组合方法首先估计,进而推断出法国Twitter用户从他们的社会经济地位在线语义。我们评估每个代理的有效性测量通过分析预测管道的性能,当训练数据集。尽管依赖于不同的用户集,我们发现培训我们的模型专业职业提供了更好的预测性能比公开的人口普查数据或遥感专家注释的习惯的环境。此外,我们释放我们开发的工具,希望它将提供一个普遍的框架来评估大量的Twitter用户的社会经济地位,以及为科学讨论社会分层和不平等。SN - 1076 - 2787你——https://doi.org/10.1155/2019/6059673——10.1155 / 2019/6059673 JF - PB - Hindawi KW - ER -复杂性