用户生成内容是社交计算研究的核心。然而,研究者和实践者通常假设这些用户是活着的。未能考虑到死亡是存在问题的,因为社交媒体上越来越多的账号代表的是已故者。识别死亡状态可以使设计者更好地管理内容并支持丧亲者,同时促进高质量的数据科学。基于对死后社交媒体账号和内容的计算语言学分析,我们报告了开发的死亡检测分类器,并表明死亡可以在发布最初几次死后内容后确定。将我们的分类器应用于其他两个平台的内容也取得了良好的结果。最后,我们讨论了在这个敏感情境中强调死前与死后精确度之间的模型权衡。这些结果标志着识别大规模死亡的第一步,并展示了设计者和科学家如何在工作中关注死亡问题。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文