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？
文章传播力指数分析文章影响力数据|文章影响力分析数据集|媒体数据分析数据集
收藏浙江省数据知识产权登记平台2024-08-31 更新2024-09-01 收录
下载链接：
https://www.zjip.org.cn/home/announce/trends/56604
下载链接
链接失效反馈资源简介：
因为考虑到单纯从发稿量来统计文章传播情况难免有些片面，所以为了综合展示文章传播情况并将文章影响力数据指标量化呈现，我们通过统一的指标对媒体发布稿件的效果具象化，分析媒体单篇稿件的传播影响力。得到具体数值后，为媒体报告统计分析、绩效考核、排行比对等工作提供数据支撑。根据文章相似度对特定原创稿件与全网数据进行相似比对，并根据文章发布时间、媒体权重、文章来源标注等因素多维分析转载情况，统计对应数据，按照特定公式生成文章传播力指数。
具体公式如下：
0.25*(0.4*Math.Log(转载文章次数+1,Math.E) +0.45*Math.Log(1+1,Math.E) +0.15*Math.Log(1+1,Math.E) ) +0.25*( 0.7*Math.Log(转载文章篇数+1,Math.E) + 0.3*Math.Log(1+1,Math.E) ) +0.5* Math.Log(媒体权重（自己这个媒体）+1,Math.E)*(原创文章数>0 取1否则取0)
说明：
由3部分组成：次数，篇数，媒体权重比例为25：25：50
1）转载文章次数
2）转载文章篇数
3）媒体自身权重值
文章传播力指数>0，文章传播力指数数值越低，说明该文章在选定时间范围内，传播影响力越差；反之，数值越高，说明该文章在选定时间范围，传播影响力越强。
提供机构：
杭州凡闻科技有限公司
创建时间：
2024-08-01
AI搜集汇总
数据集介绍
特点
该数据集为文章传播力指数分析文章影响力数据，包含7962条实时更新的记录，用于量化分析媒体稿件的传播影响力，支持媒体报告统计分析等工作。数据集通过特定公式计算文章传播力指数，综合考量转载次数、篇数和媒体权重，数值越高表示传播影响力越强。
以上内容由AI搜集并总结生成
数据主题
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
Figshare
Figshare是一个在线数据共享平台，允许研究人员上传和共享各种类型的研究成果，包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
YOLO Drone Detection Dataset
为了促进无人机检测模型的开发和评估，我们引入了一个新颖且全面的数据集，专门为训练和测试无人机检测算法而设计。该数据集来源于Kaggle上的公开数据集，包含在各种环境和摄像机视角下捕获的多样化的带注释图像。数据集包括无人机实例以及其他常见对象，以实现强大的检测和分类。
github 收录
光伏电站发电量预估数据
1、准确预测一个地区分布式光伏场站的整体输出功率，可以提高电网的稳定性，增加电网消纳光电能量的能力，在降低能源消耗成本的同时促进低碳能源发展，实现动态供需状态预测的方法，为绿色电力源网荷储的应用落地提供支持。 2、准确预估光伏电站发电量，可以自动发现一些有故障的设备或者低效电站，提升发电效能。1、逆变器及电站数据采集,将逆变器中计算累计发电量数据,告警数据同步到Maxcompute大数据平台 2、天气数据采集, 通过API获取ERA5气象数据包括光照辐射、云量、温度、湿度等 3、数据特征构建, 在大数据处理平台进行数据预处理，用累计发电量矫正小时平均发电功率，剔除异常数据、归一化。告警次数等指标计算 4、异常数据处理, 天气、设备数据根据经纬度信息进行融合, 并对融合后的数据进行二次预处理操作，剔除辐照度和发电异常的一些数据 5、算法模型训练,基于XGBoost算法模型对历史数据进行训练, 生成训练集并保存至OSS 6、算法模型预测,基于XGBoost算法模型接入OSS训练集对增量数据进行预测, 并评估预测准确率等效果数据，其中误差率=(发电量-预估发电量)/发电量，当误差率低于一定阈值时，该数据预测为准确。预测准确率=预测准确数量/预测数据总量。
浙江省数据知识产权登记平台 收录
Materials Project
材料项目是一组标有不同属性的化合物。数据集链接： MP 2018.6.1（69,239 个材料） MP 2019.4.1（133,420 个材料）
OpenDataLab 收录