MemeTracker

该数据集来源于网络文章和推特，旨在分析社交媒体的互动情况。该数据集的一个特点是事件类型不平衡，大约20%的事件类型占据了90%的事件总数。平均序列长度介于3到109之间，测试数据中包含了2,604个类别。该数据集的任务是建模事件发生的动态，并预测事件类型。

This dataset is collected from web articles and Twitter, with the objective of analyzing social media interactions. A prominent characteristic of this dataset is the class imbalance of event types: approximately 20% of event categories account for 90% of the total number of events. The average sequence length ranges from 3 to 109, and the test dataset includes 2,604 categories. The core task of this dataset is to model the dynamics of event occurrence and predict event types.

搜集汇总

背景与挑战

背景概述

MemeTracker数据集包含9600万条文档，追踪2008年至2009年间在线新闻和博客中最常出现的短语和引用，用于分析新闻周期动态。数据集记录了超过2.1亿个memes和4.18亿个链接，涵盖博客（54%）和新闻媒体（46%）的引用分布，数据格式包括文档URL、时间戳、提取的短语和超链接。