Mega-COV

Mega-COV是由英属哥伦比亚大学自然语言处理实验室创建的大规模数据集，专门用于研究COVID-19。该数据集包含超过15亿条推文，覆盖268个国家，支持100多种语言，并包含约1.69亿条地理位置标记的推文。数据集不仅规模庞大，而且具有时间跨度，数据收集始于2007年，使得研究者能够进行纵向比较分析。Mega-COV旨在作为一个内容库，捕捉数千万人在疫情期间的生活细节，特别适用于研究与疫情相关的广泛现象，如信息传播、公众情绪和行为变化等。

搜集汇总

背景与挑战

背景概述

Mega-COV是一个从Twitter收集的十亿级多语言数据集，专门用于COVID-19研究，覆盖234个国家和100多种语言，时间跨度从2007年开始，包含约3200万条带地理位置标记的推文，具有多样性和纵向特点。数据集仅发布推文ID，需遵守Twitter服务条款和CC BY-NC-SA 4.0许可证，并强调伦理使用，避免推断用户敏感信息。