Emoji Gestures in English Tweets: California

The dataset consists of 479 193 tweets each of them contains one of the 31 gesture emoji (different hand configurations) and its skin tone modifier options (e.g. 🙏🙏🏿🙏🏾🙏🏽🙏🏼🙏🏻), posted within 250km from San Jose, CA and within 200km from Los Angeles, CA, in English, during May-August 2021. The dataset can be used to investigate the use of gesture emoji by English-speaking California Twitter users. Python libraries used for collecting tweets and preprocessing: tweepy, re, preprocessor, emoji, regex, string, nltk.

The dataset contains 11 columns:

preprocessed

preprocessed text of the tweet (4 steps)

all_emoji

lists all emoji in a given tweet

hashtags

lists all hashtags in a given tweet

user_encoded

encoded Twitter user name: the first 3 characters of the user name and the first 3 characters of the user's location

location_encoded

location of the user: "los_angeles", "san_diego", "san_jose", "san_francisco", "fresno", "long_beach", "sacramento", "oakland", "bakersfield", "anaheim", or "other"

mention_present

checks whether each tweet contains mentions

url_present

checks whether each tweet contains url 

preprocess_tweet

preprocessing step 1: tokenizing mentions, urls, and hashtags

lowercase_tweet

preprocessing step 2: lowercasing

remove_punct_tweet

preprocessing step 3: removing punctuation

tokenize_tweet

preprocessing step 4: tokenizing

The further information on the research project can be found here: https://github.com/mzhukovaucsb/emoji_gestures/

本数据集包含479193条推文，每条推文中均包含31种手势表情（gesture emoji，不同手部形态）及其肤色调整选项（例如🙏、🙏🏿、🙏🏾、🙏🏽、🙏🏼、🙏🏻）。这些推文均发布于2021年5月至8月期间，语言为英语，发布位置距美国加利福尼亚州圣何塞250公里范围内，且距洛杉矶200公里范围内。本数据集可用于研究英语使用者在加州Twitter平台上的手势表情使用情况。推文采集与预处理所用的Python库包括：tweepy、re、preprocessor、emoji、regex、string、nltk。

本数据集共包含11个字段：
1. preprocessed：预处理后的推文文本（共经过4步预处理流程）
2. all_emoji：列出给定推文中的所有表情符号
3. hashtags：列出给定推文中的所有话题标签
4. user_encoded：经编码的Twitter用户名：由用户名前3个字符与用户位置前3个字符组合编码而成
5. location_encoded：用户所在地区，可选值包括"los_angeles"（洛杉矶）、"san_diego"（圣迭戈）、"san_jose"（圣何塞）、"san_francisco"（旧金山）、"fresno"（弗雷斯诺）、"long_beach"（长滩）、"sacramento"（萨克拉门托）、"oakland"（奥克兰）、"bakersfield"（贝克斯菲尔德）、"anaheim"（阿纳海姆）或"other"（其他）
6. mention_present：用于标记每条推文是否包含@提及内容
7. url_present：用于标记每条推文是否包含外部链接
8. preprocess_tweet：预处理步骤1：对@提及、链接及话题标签进行分词
9. lowercase_tweet：预处理步骤2：转换为小写形式
10. remove_punct_tweet：预处理步骤3：移除标点符号
11. tokenize_tweet：预处理步骤4：执行分词操作

本研究项目的更多详细信息可访问：https://github.com/mzhukovaucsb/emoji_gestures/