Weibo-COV|COVID-19研究数据集|社交媒体数据数据集

arXiv2020-10-10 更新2024-06-21 收录

COVID-19研究

社交媒体数据

下载链接：

https://github.com/nghuyong/weibo-public-opinion-datasets

下载链接

链接失效反馈

资源简介：

Weibo-COV是由北京理工大学创建的大规模COVID-19社交媒体数据集，包含超过4000万条从2019年12月1日至2020年4月30日期间从新浪微博收集的帖子。该数据集内容丰富，涵盖了帖子级别的信息、互动信息、地理位置信息及转发网络等。创建过程中，研究团队构建了一个包含2000万活跃用户的用户池，并通过179个与COVID-19相关的关键词筛选相关帖子。该数据集旨在支持COVID-19的多角度研究，帮助快速响应和抑制疫情传播。

提供机构：

北京理工大学

创建时间：

2020-05-19

AI搜集汇总

数据集介绍

构建方式

Weibo-COV数据集的构建采用了创新的方法，首先通过构建一个高质量的微博活跃用户池，该池包含2000万活跃用户，占微博总用户数的8%。随后，收集这些活跃用户在2019年12月1日至2020年4月30日期间的所有帖子，并使用179个与COVID-19相关的关键词进行过滤，最终保留了超过4000万条帖子。这种方法不仅提高了数据收集的效率，还确保了数据集的规模和质量。

使用方法

Weibo-COV数据集适用于多种研究目的，包括但不限于疫情传播模式分析、公众情绪监测、政府政策效果评估等。研究者可以通过分析帖子的内容、互动情况和地理位置信息，深入了解疫情对社会各层面的影响。此外，数据集的丰富字段和大规模样本量也为机器学习和数据挖掘算法提供了理想的训练和测试数据，有助于开发更精准的疫情预测和防控模型。

背景与挑战

背景概述

在COVID-19疫情迅速蔓延的背景下，人们的生活和社交方式发生了显著变化，大量社交互动转移至网络空间，尤其是社交媒体平台如微博。Weibo-COV数据集由北京理工大学和科学技术大学的研究人员于2020年创建，旨在收集和分析疫情期间微博上的大量用户生成内容。该数据集包含从2019年12月1日至2020年4月30日期间的超过4000万条微博帖子，涵盖了疫情相关的广泛信息，包括帖子内容、互动信息、地理位置和转发网络等。这一数据集的创建旨在支持COVID-19相关研究，特别是早期预警和疫情检测，从而为公共卫生决策提供数据支持。

当前挑战

Weibo-COV数据集在构建过程中面临多项挑战。首先，由于微博API的限制，传统的数据收集方法难以获取大规模数据，因此研究团队采用了构建高活跃用户池的方法，以提高数据收集效率。其次，数据过滤过程中需要精确识别与COVID-19相关的帖子，这要求研究团队开发和维护一个包含179个关键词的列表，以确保数据的准确性和相关性。此外，保护用户隐私也是一个重要挑战，数据集中所有可识别用户信息均已进行匿名化处理。最后，如何确保数据集的实时更新和长期维护，以反映疫情动态变化，也是该数据集面临的一大挑战。

常用场景

经典使用场景

Weibo-COV数据集的经典使用场景主要集中在COVID-19的早期预警和疫情动态监测。通过分析微博平台上用户发布的相关帖子，研究人员可以实时追踪疫情的发展趋势，识别潜在的疫情热点区域，并评估公众对防疫措施的反应。此外，该数据集还可用于研究社交媒体在公共卫生危机中的信息传播机制，以及如何通过社交媒体平台进行有效的公共卫生宣传和教育。

解决学术问题

Weibo-COV数据集解决了多个重要的学术研究问题，特别是在传染病学和社会媒体分析领域。首先，它为研究人员提供了一个大规模的、细粒度的数据源，用于研究COVID-19的传播模式和社会影响。其次，该数据集有助于开发和验证基于社交媒体的疫情预测模型，从而提高公共卫生决策的科学性和时效性。此外，Weibo-COV还为跨文化、跨语言的疫情信息传播研究提供了宝贵的数据支持，促进了全球公共卫生领域的知识共享和合作。

实际应用

在实际应用中，Weibo-COV数据集被广泛用于公共卫生部门的疫情监控和应急响应。例如，地方政府和卫生机构可以利用该数据集实时监测公众对疫情的关注度和情绪变化，及时调整防疫策略。同时，企业和市场研究机构也可以通过分析微博数据，了解消费者在疫情期间的行为变化和需求趋势，从而制定更加精准的市场营销策略。此外，教育机构和非政府组织也可以利用该数据集进行公共卫生教育和宣传，提高公众的健康意识和自我防护能力。

数据集最近研究

相关研究论文

1
Weibo-COV: A Large-Scale COVID-19 Social Media Dataset from Weibo北京理工大学 · 2020年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

Breast Cancer Dataset

该项目专注于清理和转换一个乳腺癌数据集，该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术（如分类、编码和二值化）来创建一个可以由数据科学团队用于未来分析的精炼数据集。

github 收录

AgiBot World

为了进一步推动通用具身智能领域研究进展，让高质量机器人数据触手可及，作为上海模塑申城语料普惠计划中的一份子，智元机器人携手上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思，重磅发布全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集开源项目 AgiBot World。这一里程碑式的开源项目，旨在构建国际领先的开源技术底座，标志着具身智能领域「ImageNet 时刻」已到来。AgiBot World 是全球首个基于全域真实场景、全能硬件平台、全程质量把控的大规模机器人数据集。相比于 Google 开源的 Open X-Embodiment 数据集，AgiBot World 的长程数据规模高出 10 倍，场景范围覆盖面扩大 100 倍，数据质量从实验室级上升到工业级标准。AgiBot World 数据集收录了八十余种日常生活中的多样化技能，从抓取、放置、推、拉等基础操作，到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互，几乎涵盖了日常生活所需的绝大多数动作需求。

github 收录

Global Water Quality Dataset

该数据集包含了全球多个地区的水质监测数据，涵盖了多种水质参数，如pH值、溶解氧、电导率、温度等。数据集旨在帮助研究人员和政策制定者了解全球水质的现状和变化趋势。

www.kaggle.com 收录

koen430/relevant_selected_stock_news

该数据集包含通过GPT-3.5-turbo筛选出的新闻文章，旨在用于微调大型语言模型，以预测新闻发布后的股票价格变动。数据集包括多个特征，如股票代码、提示、文本、URL、结果、相关性、令牌计数等，并分为训练集、验证集和测试集。

hugging_face 收录