Twitter is the third most popular worldwide Online Social Network (OSN) after Facebook and Instagram. Compared to other OSNs, it has a simple data model and a straightforward data access API. This makes it ideal for social network studies attempting to analyze the patterns of online behavior, the structure of the social graph, the sentiment towards various entities and the nature of malicious attacks in a vivid network with hundreds of millions of users. Indeed, Twitter has been established as a major research platform, utilized in more than ten thousands research articles over the last ten years. Although there are excellent review and comparison studies for most of the research that utilizes Twitter, there are limited efforts to map this research terrain as a whole. Here we present an effort to map the current research topics in Twitter focusing on three major areas: the structure and properties of the social graph, sentiment analysis and threats such as spam, bots, fake news and hate speech. We also present Twitter’s basic data model and best practices for sampling and data access. This survey also lays the ground of computational techniques used in these areas such as Graph Sampling, Natural Language Processing and Machine Learning. Along with existing reviews and comparison studies, we also discuss the key findings and the state of the art in these methods. Overall, we hope that this survey will help researchers create a clear conceptual model of Twitter and act as a guide to expand further the topics presented.

Twitter是仅次于Facebook和Instagram的第三大全球最受欢迎的在线社交网络（OSN）。与其他OSN相比，它具有简单的数据模型和简单的数据访问API。这对于尝试分析在线行为模式，社交图的结构，对各种实体的情绪以及具有数亿用户的生动网络中恶意攻击的性质的社交网络研究而言，是理想的选择。实际上，Twitter已被建立为一个主要的研究平台，在过去的十年中，有上万篇研究文章使用了Twitter。尽管对于利用Twitter进行的大多数研究都有出色的评论和比较研究，但将整个研究领域进行地图绘制的工作很少。在这里，我们提出一项工作，以定位Twitter上的当前研究主题，重点关注三个主要领域：社交图的结构和属性，情感分析以及诸如垃圾邮件，机器人，虚假新闻和仇恨言论等威胁。我们还将介绍Twitter的基本数据模型以及有关采样和数据访问的最佳做法。这项调查还为在这些领域中使用的计算技术奠定了基础，例如图形采样，自然语言处理和机器学习。除了现有的评论和比较研究，我们还讨论了这些方法的关键发现和最新技术。总的来说，我们希望这项调查能够帮助研究人员创建一个清晰的Twitter概念模型，并作为进一步扩展所介绍主题的指南。情绪分析和威胁，例如垃圾邮件，漫游器，虚假新闻和仇恨言论。我们还将介绍Twitter的基本数据模型以及有关采样和数据访问的最佳做法。这项调查还为在这些领域中使用的计算技术奠定了基础，例如图形采样，自然语言处理和机器学习。除了现有的评论和比较研究，我们还讨论了这些方法的关键发现和最新技术。总的来说，我们希望这项调查能够帮助研究人员创建一个清晰的Twitter概念模型，并作为进一步扩展所介绍主题的指南。情绪分析和威胁，例如垃圾邮件，漫游器，虚假新闻和仇恨言论。我们还将介绍Twitter的基本数据模型以及有关采样和数据访问的最佳做法。这项调查还为在这些领域中使用的计算技术奠定了基础，例如图形采样，自然语言处理和机器学习。除了现有的评论和比较研究，我们还讨论了这些方法的关键发现和最新技术。总的来说，我们希望这项调查能够帮助研究人员创建一个清晰的Twitter概念模型，并作为进一步扩展所介绍主题的指南。这项调查还为在这些领域中使用的计算技术奠定了基础，例如图形采样，自然语言处理和机器学习。除了现有的评论和比较研究，我们还讨论了这些方法的关键发现和最新技术。总的来说，我们希望这项调查能够帮助研究人员创建一个清晰的Twitter概念模型，并作为进一步扩展所介绍主题的指南。这项调查还为在这些领域中使用的计算技术奠定了基础，例如图形采样，自然语言处理和机器学习。除了现有的评论和比较研究，我们还讨论了这些方法的关键发现和最新技术。总的来说，我们希望这项调查能够帮助研究人员创建一个清晰的Twitter概念模型，并作为进一步扩展所介绍主题的指南。