In the last 10, years the Twitter social network has become a robust messaging platform. To date, Twitter has more than 500 million users worldwide. A given tweet can contain the geographic location of the transmitting device if the geolocation services are activated or the IP address can be geocoded, which is applicable to only 1–3% of all tweets. Nevertheless, tweets also contain more than 40 other meta-fields, some of which are inserted by the user and may include spatial information that can be tapped to infer locations associated with the tweet. This study implemented the publicly available GeoNames and Open Street Map (OSM) datasets in conjunction with curated dataset of 2001 tweets from Israel. With both Geonames and OSM, the inference of the tweets’ geographic locations was implemented using the meta-fields of the text (resulting in 600 geolocated tweets), the user location (857 tweets), and the user description (425 tweets). The inferred locations were then spatially examined to verify if they can serve as potential proxies. It was found that the distance between the inferred locations using the text and user-location meta-fields is well correlated with the distance between their midpoint and the device location. Thus, it may indicate the actual device location as well the location of the phenomenon described in the tweet.

在过去的 10 年中，Twitter 社交网络已成为一个强大的消息传递平台。迄今为止，Twitter 在全球拥有超过 5 亿用户。如果地理定位服务被激活或者 IP 地址可以被地理编码，则给定的推文可以包含传输设备的地理位置，这仅适用于所有推文的 1-3%。尽管如此，推文还包含 40 多个其他元字段，其中一些是由用户插入的，并且可能包含空间信息，可以通过点击这些信息来推断与推文相关的位置。本研究结合 2001 年以色列推文的精选数据集实施了公开可用的 GeoNames 和开放街道地图 (OSM) 数据集。使用 Geonames 和 OSM，推文地理位置的推断是使用文本的元字段（产生 600 条地理定位推文）、用户位置（857 条推文）和用户描述（425 条推文）实现的。然后对推断的位置进行空间检查，以验证它们是否可以作为潜在的代理。发现使用文本和用户位置元字段推断的位置之间的距离与其中点和设备位置之间的距离密切相关。因此，它可能指示实际设备位置以及推文中描述的现象的位置。发现使用文本和用户位置元字段推断的位置之间的距离与其中点和设备位置之间的距离密切相关。因此，它可能指示实际设备位置以及推文中描述的现象的位置。发现使用文本和用户位置元字段推断的位置之间的距离与其中点和设备位置之间的距离密切相关。因此，它可能指示实际设备位置以及推文中描述的现象的位置。