community-datasets/covid_tweets_japanese

COVID-19 日本語Twitter数据集包含53,640条日语推文，这些推文被标注为是否与COVID-19相关。标注过程由5到10名众包工人通过多数决定完成。推文的时间范围大约从2020年1月到2020年6月。数据集的结构包括推文ID和评估选项ID，评估选项ID表示推文的内容类型，如一般事实、个人事实、观点/感受等。数据集的语言为日语，主要用于文本分类任务，特别是判断推文是否与COVID-19相关以及是事实还是观点。

原始信息汇总

COVID-19 日本語Twitterデータセット (COVID-19 Japanese Twitter Dataset)

数据集描述

数据集概述

该数据集包含53,640条日语推文，标注了推文是否与COVID-19相关。标注由5至10名众包工作者通过多数决完成。目标推文包含“COVID”或“コロナ”。推文的时间范围大约从2020年1月至2020年6月。原始推文不包含在内，请使用Twitter API获取。

支持的任务和排行榜

文本分类任务，判断推文是否与COVID-19相关，以及是事实还是观点。

语言

数据集中的文本是日语，发布在Twitter上。

数据集结构

数据实例

CSV文件，第一列是Twitter ID，第二列是评估选项ID。

数据字段

• tweet_id: Twitter ID。
• assessment_option_id: 评估选项ID，含义如下：
  • 63: 一般事实：如新闻等一般发布的信息。
  • 64: 个人事实：个人新闻，例如某人听说邻居XX感染了COVID-19，但未在新闻中报道。
  • 65: 意见/感受
  • 66: 难以确定是否与COVID-19相关（不是“67: 不相关”，但无法确定是63、64、65中的哪一项）
  • 67: 不相关
  • 68: 是事实，但难以确定是一般事实、个人事实还是印象（可能与COVID-19无关，因为无法区分63至65和67）

数据分割

目前没有关于数据分割的信息。

数据集创建

数据收集和规范化

53,640条日语推文，标注了推文是否与COVID-19相关。目标推文包含“COVID”或“コロナ”。推文的时间范围大约从2020年1月至2020年6月。

标注过程

标注由5至10名众包工作者通过多数决完成。

个人和敏感信息

数据集中不包含原始推文。

使用数据的注意事项

数据集的社会影响

[更多信息待补充]

偏见讨论

[更多信息待补充]

其他已知限制

[更多信息待补充]

附加信息

数据集管理者

数据集由铃木实验室（岐阜大学，日本）托管。

许可信息

CC-BY-ND 4.0

引用信息

相关论文尚未发表。作者建议引用方式为「鈴木 優: COVID-19 日本語 Twitter データセット （ http://www.db.info.gifu-u.ac.jp/data/Data_5f02db873363f976fce930d1 ） 」。

贡献

感谢@forest1988添加此数据集。