ummagumm-a/twitter_posts

---
dataset_info:
features:
- name: retweetCount
dtype: int64
- name: num_mentioned_users
dtype: int64
- name: lang
dtype: string
- name: num_outlinks
dtype: int64
- name: likeCount
dtype: int64
- name: num_hashtags
dtype: int64
- name: content
dtype: string
- name: quoteCount
dtype: int64
- name: date
dtype: string
- name: user
dtype: string
- name: replyCount
dtype: int64
splits:
- name: train
num_bytes: 42654407
num_examples: 153340
download_size: 23097728
dataset_size: 42654407
---
# Dataset Card for "twitter_posts"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

twitter_posts

数据特征

• retweetCount：转发次数，数据类型为 int64。
• num_mentioned_users：提及的用户数，数据类型为 int64。
• lang：语言，数据类型为 string。
• num_outlinks：外部链接数，数据类型为 int64。
• likeCount：点赞次数，数据类型为 int64。
• num_hashtags：标签数，数据类型为 int64。
• content：内容，数据类型为 string。
• quoteCount：引用次数，数据类型为 int64。
• date：日期，数据类型为 string。
• user：用户，数据类型为 string。
• replyCount：回复次数，数据类型为 int64。

数据分割

• train：训练集，包含 153340 个样本，总大小为 42654407 字节。

数据集大小

• 下载大小：23097728 字节
• 数据集总大小：42654407 字节

搜集汇总

背景与挑战

背景概述

该数据集是一个包含约15.3万条Twitter帖子的集合，以Parquet格式存储，总大小为23.1 MB。数据涵盖了推文的互动统计（如转发数、点赞数）、语言、文本内容、发布时间和用户信息，内容涉及新闻、体育、娱乐等多个主题，且包含多种语言，适用于文本分析和社交媒体研究。