{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,14]]，“日期时间”：“2024-03-14T00:30:43Z”，“时间戳”：1710376243009}，“出版商位置”：“查姆”，“参考计数”：35，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783031143427”，“类型”：”打印“}，{“值”：“9783031143434”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“开始”：{“date-ports”：[2022,1,1]，“日期-时间”：“2042-01-01T 00:00Z”，“timestamp”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\\/www.splingernature.com\/gp\/researters\/text-and-data-mining”}rts“：[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022]}”，“DOI”：“10.1007\/978-3-031-14343-4_4“，”类型“：“book-chapter”，“created”：{“date-parts”：[[2022,8,14]]，“date-time”：“2022-08-14T23:03:01Z”，“timestamp”：1660518181000}，“page”：“32-43”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“Crossref”，“is-referenced-by-count”：0，“title”：[“基于规则和基于转换的选举预测方法的比较研究：2020年美国总统选举用例”]，“前缀”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-5863-8467”，“authenticated-ORCID”：false，“given”：”Asif“，”family“：”Khan“，”sequence“：”first“，”affiliation“：[]}，{“ORCID”：“http://\/orcid.org\/00000-0002-0137-4069”，“authenticated-orcid”：false，“given”：“Huaping”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/0000-00002-0420-6511“，”authenticationd-ocid“：false”，“giving”：“Nada”，“家族”：“Boudjellal”，“序列”：“附加”，“从属关系”：[]}，“give”：“Lin”，“家庭”：“代”，“序列”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0002-3576-8365”，“authenticated-ORCID”：false，“given”：”Arshad“，”family“：”Ahmad“，”sequence“：”additional“，”affiliance“：[]neneneep，{”given“：”Jianyun“，”家族“：”Shang“，”序列“：”附加“，”从属关系“：[]}，“givind”：”Philipp“，“family”：“Haindl”，“sequence”：“”附加“，”从属关系“：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2022,8,15]]}，“reference”：[{“key”：“4_CR1”，“doi-asserted-by”：“publisher”、“unstructured”：“Wang，L.，Gan，J.Q.：基于推特数据分析的2017年法国大选预测。摘自：2017年第九届计算机科学与电子工程会议，CEEC 2017\u2013年会议记录，第89\u201393页（2017）.https:\/\/doi.org\/10.109\/CEEC.2017.8101605“，”doi“：”10.1109\/CEEC.2017.8101655“}，{”key“：”4_CR2“，”doi-asserted-by“：”publisher“，”first page“：“1”，”doi:“10.1038\/s41598-021-86510-w”，“volume”：“11”，“author”：“Y Matalon”，“year”：“2021”，“unstructured”：“”Matalon，Y.，Magdaci，O.，Almozlino，A.，Yamin，D.：使用情绪分析预测政治传播推文中的意见反转。科学。报告11，2013年1月（2021年）。https://doi.org/10.1038\\s41598-021-86510-w“，”期刊标题“：”科学。代表“}，{”key“：”4_CR3“，”doi-asserted-by“：”publisher“，”first page“：“100177”，“doi”：“10.1016\/J.OSNEM.2021.100177”，“volume”：“26”，“author”：“A Sosnkowski”，“year”：“2021”，“unstructured”：“Sosnkovski，A.，Fung，C.J.，Ramkumar，S.：使用跨账户数据挖掘对2019年推特用户长期政治观点迁移的分析。Online Soc。净值。媒体26，100177（2021）。https:\/\/doi.org\/10.1016\/J.OSNEM.2021.100177“，”journal-title“：”Online Soc.Netw。媒体”}，｛“key”：“4_CR4”，“doi asserted by”：“publisher”，“first page”：“1”，“doi”：“10.1155\/2021\/55565434”，“volume”：“2021”，“author”：“A Khan”，“year”：“2021”，“nonstructured”：“Khan，A.，Zhang，H.，Boudjellal，N.等人：推特上的选举预测：一项系统映射研究。复杂性2021，1\u201327（2021）。https://doi.org/10.1155\/2021\/55565434”journal-title“：”Complexity“}，{”key“：”4_CR5“，”doi-asserted-by“：”crossref“，”unstructured“：”Beleveslis，D.、Tjortjis，C.、Psaradelis，D.和Nikoglou，D.：选举相关推文情绪分析的混合方法。2019年第四届东南欧设计自动化、计算机工程、计算机网络和社交媒体会议，SEEDA-CECNSM 2019（2019）“，“DOI”：“10.1109\/SEEDA-CECNSM.2019.8908289”}，{“key”：“4_CR6”，“series-title”：“Smart Innovation，Systems and Technologies”，“DOI-asserted-by”：“publisher”，“首页”：“427”，“DOI:”10.1007\/978-981-13-1747-7_41“，“volume-title”：“智能系统的信息和通信技术”，“author”：“R Bose”，“year”：“2019”，“unstructured”：“Bose，R.，Dey，R.K.，Roy，S.，Sarddar，D.：使用推特数据分析政治情绪。收录：Satapathy，S.C.、Joshi，A.（编辑）《智能系统的信息和通信技术》。SIST，第107卷，第427\u2013436页。新加坡施普林格（2019年）。https:\/\/doi.org\/10.1007\/978-981-13-1747-7_41“}，{“key”：“4_CR7”，“doi-asserted-by”：“publisher”，“unstructured”：“Kristiyanti，D.A.，Umam，A.H.，Wahyudi，M.等人：基于推特上的公众意见，对2018年至2013年2023年间西爪哇州长候选人的情绪分析的SVM-Na\u00efve Bayes算法进行比较。参见：2018年第六届网络和IT服务管理国际会议，CITSM 2018，pp.1\u20136（2019）。https:\/\/doi.org\/10.109\/CITSM.2018.8674352“，”doi“：”10.1109\/CITSM.2018.8644352“}，{“key”：“4_CR8”，“doi-asserted-by”：“publisher”，“unstructured”：“Rezapour，R.，Wang，L.，Abdar，O.，Diesner，J.：基于哈希标签增强的基于词汇的情感分析，识别选举结果和候选人2019年排名之间的重叠。摘自：IEEE第十一届语义计算国际会议论文集，ICSC 2017，pp.93\u201396（2017）。https:\/\/doi.org\/10.109\/ICSC.2017.92“，”doi“：”10.1109\/ICSC2017.92“}，{”key“：”4_CR9“，”doi-asserted-by“：”publisher“，”first page“：“62545”，“doi”：“10.1109\/ACCESS.2019.2917398”，“volume”：“7”，“author”：“JN Franco-Riquelme”，“year”：“2019”，“unstructured”：“”Franco-Riquelme，J.N.，Bello-Garcia，A.，Ordieres-Mer\u00e9，J.B.：在推特上衡量地区政治对选举进程支持的指标建议：西班牙2015年和2016年大选的案例。IEEE Access 7，62545\u201362560（2019）。https:\/\/doi.org\/10.109\/ACCESS.2019.2917398“，”journal-title“：”IEEE ACCESS“}，{“key”：“4_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Plummer，M.，Palomino，M.A.，Masala，G.L.：分析推特上政治受众表达的情绪：2017年英国大选的案例。摘自：《2017年国际计算科学与计算智能会议论文集》，CSCI 2017，第1449\u20131454页。IEEE（2018）“，”DOI“：”10.1109\/CSCI.2017.253“}，{“key”：“4_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Castro，R.，Kuff\u00f3，L.，Vaca，C.：返回#6D：通过推特预测委内瑞拉各州的政治选举结果。摘自：2017年第四届电子民主与电子政府国际会议，ICEDEG 2017，pp.148\u2013153（2017）”，“DOI”：“10.1109\/ICEDEG.2017.7962525“}，{“key”：“4_CR12”，“doi-asserted-by”：“publisher”，“unstructured”：“Khan，A.，Zhang，H.，Shang，J.，et al.：使用社交网络分析和语义分析预测推特上的政客支持者\u2019网络。Sci.Program.2020（2020）。https:\/\/doi.org\/10.1155\/2020\/9353120”，“doi”：“10.1155\/2020\/9353120“}，{“key”：“4_CR13”，“doi-asserted-by”：“publisher”，“unstructured”：“Jhawar，A.，Munjal，V.，Ranjan，S.，Karmakar，P.：基于社交网络的情绪和网络分析预测选举。摘自：《2020年国际电子、计算和通信技术会议论文集-第六届IEEE国际电子、计算机和通信技术大会》，第0\u20135页（2020年）。https:\/\/doi.org\/10.109\/CONECCT50063.2020.9198574“，”doi“：”10.1109\/CONECCT50063.2020.9198574“}，{“key”：“4_CR14”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first page”：”128“，“doi”：“10.1007\/978-3030-34971-4_9”，“volume-title”：《社会信息学》，“author”：“E Sanders”，“year”：“2019年”，“非结构化”：“Sanders，E.，van den Bosch，A.：基于推特的荷兰五次全国选举预测纵向研究。收录：Weber，I.等人（编辑）《2019年社会信息》。LNCS，第11864卷，第128\u2013142页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-34971-4_9“}，{“key”：“4_CR15”，“unstructured”：“Coletto，M.，Lucchese，C.，Orlando，S.，Perego，R.：使用推特进行选举预测：一种机器学习方法。In:CEUR Workshop Proceedings（2015）”}，“key“：”4_CR16“，”doi-asserted-by“：”publisher“，”first page“：“1847”，“doi”：“10.1007\/s1015-019-01410-w”，“”卷“：”62“，”author“：”F Tavazoee“，”year“：”2020“，”unstructured“：”TavazOE，F.，Conversano，C.，Mola，F.：社交媒体人气评估的递归随机森林。知识。信息系统。621847\u20131879（2020）。https://doi.org/10.1007\\s10115-019-0410-w“，”期刊标题“：”知道。信息系统。“}，{”key“：”4_CR17“，”series-title“：”计算智能研究“，”doi-asserted-by“：”publisher“，”first-page“：”63“，”doi“：”10.1007 \/978-319-76081-0_6“，”volume-title“：“智能信息和数据库系统的现代方法”，”author“：”P Mazumder“，”year“：”2018“，”unstructured“：”Mazumder，P.、Chowdhury，N.A.、Anwar Ul Azim Bhuiya，M.、Akash，S.H.、Rahman，R.M.：预测总统候选人受欢迎程度的模糊逻辑方法。收录：Sieminski，A.、Kozierkiewicz，A.、Nunez，M.、Ha，Q.T.（编辑）《智能信息和数据库系统的现代方法》。SCI，第769卷，第63\u201374页。施普林格，查姆（2018）。https:\/\/doi.org\/10.1007\/978-3-319-76081-0_6“}，{”key“：”4_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Ibrahim，M.，Abdillah，O.，Wicaksono，A.F.，Adriani，M.：在推特国家预测总统选举结果的蜂鸣器检测和情绪分析。摘自：第15届IEEE数据挖掘国际会议论文集，ICDMW 2015，pp.1348\u20131353（2016）“，“DOI”：“10.1109\/ICDMW.2015.113”}，{“key”：“4_CR19”，“DOI-asserted-by”：“publisher”，“unstructured”：“Kassraie，P.、Modirshanechi，A.、Aghajan，H.K.：使用基于情感的推特数据与谷歌趋势和在线民意调查相融合的选举投票份额预测。摘自：DATA 2017\u2013第六届数据科学、技术和应用国际会议论文集，第363\u2013370页（2017）。https:\/\/doi.org\/10.5220\/0006484303630370“，”doi“：”10.5220\/00648430360370“}，{“key”：“4_CR20”，“series-title”：“计算机和信息科学中的通信”，“doi-asserted-by”：“publisher”，“first page”：”98“，“doi”：“10.1007\/978-981-3-6052-7_9”，“volume-title”：”智能技术和应用程序“，“author”：“S Khan”，“year”：“2019”，“”非结构化”：“Khan，S.，Moqurrab，S.A.，Sehar，R.，Ayub，U.：在推特数据上挖掘2018年巴基斯坦大选的意见和情感。收录人：Bajwa，I.S.，Kamaredine，F.，Costa，A.（编辑）INTAP 2018。CCIS，第932卷，第98页\u2013109。新加坡施普林格（2019年）。https:\/\/doi.org\/10.1007\/978-981-13-6052-7_9“}，{“key”：“4_CR21”，“doi-asserted-by”：“publisher”，“unstructured”：“Wang，L.，Gan，J.Q.：基于使用术语权重的推特数据分析预测2017年法国大选。摘自：2018年第十届计算机科学和电子工程会议，CEEC 2018\u2013年会议记录，pp.231\u2013235（2019）.https:\/\/doi.org\/10.109\/CEEC.2018.8674188“，”doi“：”10.1109\/CEEC.2018.8674.188“}，{”key“：”4_CR22“，”doi-asserted-by“：”publisher“，”first page“：“589”，”doi:“10.1007\/s00146-017-0761-0”，“volume”：“34”，“author”：“RC Prati”，“year”：“2019”，“unstructured”：“”Prati，R.C.，Said-Hung，E.：使用机器学习在推特上预测西班牙24M选举期间的意识形态取向。AI Soc.34589\u2013598（2019）。https:\/\/doi.org\/10.1007\/s00146-017-0761-0“，”journal-title“：”AI-Soc.“}，{“key”：“4_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Oikonomou，L.，Tjortjis，C.：一种使用从推特中提取的数据预测美国总统选举获胜者的方法。收录于：东南欧设计自动化、计算机工程、计算机网络和社交媒体会议，SEEDA_CECNSM 2018（2018）“，“DOI”：“10.23919\/SEEDA-CECNSM.2018.8544919”}，{“key”：“4_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，L.，Li，L.、Zheng，X.、Zhang，J.：基于BERT的在线金融文本情感分析和关键实体检测方法。收录于：《2021年IEEE第24届计算机支持的设计合作工作国际会议论文集》，CSCWD 2021，第1233\u20131238（2021）页，“DOI”：“10.1109\/CSCWD49262.2021.9437616”}，{“key”：“4_CR25”，“DOI-asserted-by”：“publisher”，“first page”：Pota，M.、Ventura，M.，Catelli，R.、Esposito，M.：一个有效的基于bert的Twitter情绪分析管道：意大利语案例研究。传感器（瑞士）21，1\u201321（2021）。https:\/\/doi.org\/10.3390\/s21010133“，”journal-title“：”Sensors（Switz.）“}，{”key“：”4_CR26“，”doi-asserted-by“：”publisher“，”首页“：”5016“，”doi“：”10.1007\/s10489-020-02101-8“，“volume”：“51”，“author”：“M Li”，“year”：“2021”，“unstructured”：“”Li，M.，Chen，L.，Zhao，J.，Li，Q.：基于BERT模型的中国股市评论情绪分析。申请。智力。515016\u20135024（2021）。https:\/\/doi.org\/10.1007\/s10489-020-02101-8“，”journal-title“：”应用程序。智力。}，{“key”：“4_CR27”，“doi-asserted-by”：“publisher”，“unstructured”：“Chaudhry，H.N.，Javed，Y.，Kulsoom，F.等人：选举前后情绪分析：2020年美国大选推特数据。电子102082（2021）。https:\/\/doi.org\/10.3390\/ELECTRONICS10172082“，”doi“：”10.3390\/ELECTRONICS10172082“}，{“key”：“4_CR28”，“unstructured”：“Tweepy.https:\/\/github.com/Tweepy\/Tweepy.2022年11月18日访问”}，“key“：”4_CR29“，”doi-asserted-by“：”crossref“，”unstructure“：”Hutto，C.J.，Gilbert，E.：VADER：社交媒体文本情感分析的基于规则的简约模型。收录于：《第八届网络日志和社交媒体国际会议论文集》，ICWSM 2014，第216\u2013225页（2014）“，“DOI”：“10.1609\/ICWSM.v8i1.14550”}，{“key”：“4_CR30”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ramteke，J.、Shah，S.、Godhia，D.、Shaikh，A.：使用推特情绪分析预测选举结果。In:《国际发明计算技术会议论文集》，ICICT 2016（2016）“，“DOI”：“10.1109\/Inventive.2016.7823280”}，{“key”：“4_CR31”，“DOI-asserted-by”：“publisher”，“unstructured”：“Bello，B.S.，Inuwa Dutse，I.，Heckel，R.：社交媒体竞选策略：2019年尼日利亚选举分析。2019年第六届社会网络分析、管理和安全国际会议，《2019年国民账户体系》，第142\u2013149页（2019年）。https:\/\/doi.org/10.1109\/SNMS.2019.8931869“，”doi“：”10.1109\/SNMS.2019.8931869“｝，｛”key“：”4_CR32“，”doi断言“：”publisher“，”首页“：”1“，”doi“：”10.1155\/2021\/66633213“，”卷“：”2021“，”作者“：”N Boudjellal“，”年份“：”2021“，”非结构化“：”Boudjellal，N.、Zhang，H.、Khan，A.等人：ABioNER：基于BERT的阿拉伯生物医学命名实体识别模型。复杂性2021，1\u20136（2021）。https:\/\/doi.org/10.1155\/2021\/6633213“，”期刊标题“：”复杂性“}，｛”键“：”4_CR33“，”doi断言“：”crossref“，”非结构化“：”Metaxas，P.T.，Mustafaraj，E.，Gayo Avello，D.：如何（非）预测选举。摘自：2011年IEEE隐私、安全、风险和信任国际会议和IEEE社会计算国际会议论文集，PASSAT\/SocialCom 2011，pp.165\u2013171（2011）“，“DOI”：“10.1109\/PASSAT\/SocalCom.2011.98”}，{“key”：“4_CR34”，“unstructured”：“Bird，S.、Klein，E.、Loper，E.：使用Python进行自然语言处理。O\u2019Reilly Media（2009）“}，{“key”：“4_CR35”，“unstructured”：“vaderSentiment\u00b7 PyPI.https:\/\/PyPI.org\/project\/vaderSenument\/”}]，“container-title”：[“计算机和信息科学中的通信”，“数据库和专家系统应用-DEXA 2022研讨会”]，“original-title“：[]，”链接“：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-14343-4_4“，“content-type”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[[2024,3,13]]，“日期-时间”：“2024-03-13T17:23:35Z”，“时间戳”：1710350615006}，“分数”：1，“资源”：{-“主要”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-031-14343-44“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2022]]}，“ISBN”：[“9783031143427”，“97830.31143434”]，”引用计数“：35，”URL“http://\/dx.doi.org\/10.10007\/988-3-031-4343-44”，“关系”：{}，，“ISSN”：[“1865-0929”，“1865-0.937”]，“ISSN-type”：[{“value”：“1865-09”，“type”:“print”}，{“value“：“1865-0937”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2022]]}，“assertion”：[{“value”：”2022年8月15日“，“order”：1，“name”：“first_online”，“label”：“first online”，”group“：{”name“：”ChapterHistory“，”label“：”Chapter History标签“：”会议缩写“，”组“：{”名称“：”ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”数据库和专家系统应用国际会议“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：name“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“奥地利”，“order”：4，“name”：“Conference_country”，“label”：“会议国家”，“group”：{“name”:“ConferenceInformo”，“标签”：“Conferency Information”}}、{“value”：“2022”，“订单”：5，“name“Conference_year”，“table”：“MeferenceYear”会议信息“}}，{“value”：“2022年8月22日”，“order”：7，“name”：“Conference_start_date”，“label”：“Conference start date”，“group”：{“name”:“ConferenceInfo”，”label“：“会议信息”}}会议信息“}}，{”value“：”33“，”order“：9，”name“：”Conference_number“，”label“：”ConferenceNumber“，”group“：http://www.dexa.org//dexa2022“，”order“：11，”name“：”conference_url“，”label“：”conference url“，”group“：{”name“:”ConferenceInfo“，”标签“：”会议信息“}}，{”value“：”Single-blind“，”订单“：1，”name”：“type”，“label”：“type”，“group”：{“name”：”ConfEventPeerReviewInformation“，”标号“：”同行评审信息（由会议组织者提供）“}}，{“value”：“EasyChair”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“43”，“order”：4，“name”:“Number_of_full_papers_accepted”，“标签”：“接受的全文数”：“同行评议信息（由会议组织者提供）”}}，{“value”：“20”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“已接受的短文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议主办方提供）“}}}、{“value”：“36%-该值由等式“接受的全文数”/“发送供审阅的提交数*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评议信息（由会议组织者提供）”}}，{“value”：“5”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“混合评审过程-单盲和双盲”，“order”：10，“name”：“additional_info_on_Review_process”，“标签”：“评审过程的附加信息”，“group”：：“同行评审信息（由会议组织者提供）”}}]}}