除了名人生活的更新之外，140个字符对太阳的几乎争斗，Twitter实际上可以有所帮助，就像绘制地震一样。

Twitter和一群斯坦福大学的研究人员，看看推文如何有助于创造更准确的地震映射。目前，使用录音，简单的地面运动预测方程和地质位点校正因子，在几分钟内生产“Shakemaps”。

有趣的是，由于新信息出现，包括从在线调查中收集的地震的定性第一手账户，而这是Twitter进来的

为了帮助提高Shakemaps的准确性，我们在2011年到2011年到2011年日本幅度6或更大后的前10分钟内发生了多种语言，这些语言中的所有地理标记的推文。我们发现，最低误差的模型是基于地震和基于推文的特征的组合，例如本地站点条件，源对现场距离以及一定半径内的推文的数量。我们模型的地面摇动强度估计与历史记录和传统估计数相当，例如，USGS Shakemaps提供。

该团队然后生成了八个基于推文的特征，因为它们在距离到录制站的距离：数量的推文，平均数量的令牌数量，平均字符数，平均索引首次提及关键字，平均关键字的出现数量，平均感叹号的数量，平均破折号数，以及所选日语关键字的平均出现次数（在上面的示例中）。

然后，它使用这些功能培训了多种型号，以创建包含其基于推文数据的地图。

这只是使用Tweets作为真实和有用的项目的实时数据来源的很酷的方法之一。

当然，大量的营销工具线束推文分析了消费者的情绪关于品牌或新闻，但看到Twitter有助于使世界更安全的地方总是很好。