Clustering Social Media Users Using Categorical-Valued Functional Data Analysis
使用类别值函数型数据分析聚类社交媒体用户AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究类别值行为轨迹的聚类，高频发帖和社交平台语境不足以归入金融高频或网络干扰。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
使用类别值函数型数据分析聚类社交媒体用户
- 研究问题
- 在用户信息有限的情况下，如何根据一段时间内的发帖行为相似性对大量社交媒体用户分组，并提供可解释的行为特征？
- 方法与思路
- 作者将高频发帖视为稠密观测的类别值函数型数据，利用用户特定的潜在特征进行聚类，并提供可解释且计算高效的算法。
- 材料陈述的贡献
- 摘要称方法可揭示用户发帖行为，除 Twitter 外也可用于其他平台；通过模拟研究有限样本性质，并在 R 包 catfda 中实现。
- 阅读关注点
- 应核对类别发帖轨迹的编码与时间对齐、潜在特征和聚类数的确定，以及行为分组能否支持关于用户推广潜力的实际判断。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；聚类误差、缺失处理和跨平台验证未说明，行为相似性不能直接证明品牌推广效果，也不能推断刊本变化。
原文摘要
Social media provides more insight into consumer behavior than companies have ever had, and firms can interact with consumers on social media to increase their brand loyalty and address concerns they might have. However, it is critical for companies to evaluate whether the consumers they interact with have the potential to positively promote the firm. This can be challenging, especially when limited information is available about social media users. Our work proposes a flexible methodology to cluster many Twitter users based on the similarity in their posting behavior to solve this problem. We provide a framework that views users’ high-frequency postings during a specified timeframe as densely-observed categorical functional data, and propose to cluster them using latent user-specific characteristics. This leads to an interpretable and computationally-efficient algorithm and enables us to gain insights into the posting behavior of social media users. While our methods are inspired by a Twitter application they can be applied to understand posting behavior across various social media platforms. Finite-sample properties of the methods are investigated through simulations. This method is implemented in the function catfdcluster() in the R package catfda.