TRACES Bulgarian Twitter Dataset on Famous Bulgarian Political Cases of Suspected Lies, Annotated with Linguistic Markers of Lies

This dataset has been created within Project TRACES (more information: https://traces.gate-ai.eu/). The dataset contains 15850 tweet IDs of tweets, written in Bulgarian, with annotations. The dataset can be used for general use or for building lies and disinformation detection applications.

Note: this dataset is not fact-checked, the social media messages have been retrieved via keywords. For fact-checked datasets, see our other datasets.

The tweets (written between 1 Jan 2020 and 7 July 2022) have been collected via Twitter API under academic access in June-July 2022 with the following keywords without retweets:

(ваксиниран депутат) OR (ваксинирани депутати) 

(язовири премиер) OR (язовири прокуратура) OR (язовири прокуратурата)

((мвр хемус) OR мвр) (прокуратура OR прокуратурата)

(шефът тотото) OR (изпълнителният директор Българския спортен тотализатор)

(кирил петков двойно гражданство) OR (премиер двойно гражданство) OR (премиер гражданство)

((Пътна OR загубена OR загуби OR изчезнала) карта газпром)

(министър плагиат плагиатство) OR (плагиат плагиатство)

((изслушване главния прокурор) OR (иван гешев)) 

(фалшива диплома)

(златни паспорти)

(апартаментгейт OR (къща за гости) OR (къщи за гости)

(оръжия OR оръжие) (Украйна OR украина)

((цена OR цени) (газ OR ток OR нафта OR бензин))

(мвр OR данс) (фалшиви новини)

(данъци OR данъчни OR данък)

((кораб Царевна) OR Царевна)

(Северна Македония) 

Explanations of which fields can be used as markers of lies (or of intentional disinformation) are provided in our  paper:

Irina Temnikova, Silvia Gargova, Ruslana Margova, Veneta Kireva, Ivo Dzhumerov, Tsvetelina Stefanova and Hristiana Nikolaeva (2023) New Bulgarian Resources for Detecting Disinformation. 10th Language and Technology Conference: Human Language Technologies as a Challenge for Computer Science and Linguistics (LTC'23). Poznań. Poland.