The-Hidden-Life-of-Memes Dataset

该数据集包含三个文件：meme_lifecycle_dataset.csv（每个模因的56个计算属性）、meme_weekly_trends.csv（2010年至2024年的每周Google Trends数据）、meme_reddit_posts.csv（500个Reddit帖子记录）。数据集用于研究互联网模因的生命周期，包括其传播、峰值、衰退和存活等行为。This dataset contains three files: `meme_lifecycle_dataset.csv` with 56 computational attributes for each meme, `meme_weekly_trends.csv` with weekly Google Trends data from 2010 to 2024, and `meme_reddit_posts.csv` with 500 Reddit post records. This dataset is intended for studying the evolutionary lifecycle of internet memes.

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称：The-Hidden-Life-of-Memes
• 核心研究问题：为何有些网络迷因能存活数年，而有些在几周内就消失？
• 研究对象：20个网络迷因
• 研究视角：将迷因视为数字有机体，研究其演化生命周期。

数据集构成

数据集包含三个独立的CSV文件。

1. meme_lifecycle_dataset.csv

• 内容：每个迷因一行，包含56个计算属性。
• 关键属性：出生日期、峰值日期、死亡日期、生命周期标签、生存等级、传播力得分、适应性得分、平台传播数量、生命周期（周数）、上升速度、衰退速度、重生状态、维基百科存在性、Wayback Machine活动历史。

2. meme_weekly_trends.csv

• 内容：3,600行数据，覆盖2010年1月至2024年12月。
• 粒度：每个迷因每周一行。
• 关键字段：原始兴趣值（0–100）、归一化值（相对于峰值的0–1）、该周的生命周期阶段标签。
• 用途：时间线可视化、生命周期阶段检测、图表生成。

3. meme_reddit_posts.csv

• 内容：500条独立的Reddit帖子记录，涵盖所有20个迷因。
• 关键字段：帖子标题、日期、子版块、分数、评论数、奖项、URL。
• 用途：Reddit参与度分析和社区传播研究。

数据来源

项目结合了五个独立的数据源来重建每个迷因的完整生命周期。

1. Google Trends：提供2010年至2024年的每周搜索兴趣数据，是项目时间线的主干。
2. Know Your Meme：提供结构化元数据，包括起源年份、起源平台、当前状态（活跃/死亡/过度使用）和历史平台传播。
3. Reddit Public API：收集参与度数据，包括帖子分数、评论数、子版块传播和帖子时间戳。
4. Wayback Machine (CDX API)：统计每年每个迷因Know Your Meme页面的存档网页快照数量，作为历史网络讨论量的代理指标。
5. Wikipedia：检查迷因是否有专属维基百科文章，作为文化持久性的信号。

生命周期算法

每个迷因的生命周期由其Google Trends的归一化每周兴趣曲线决定。 算法按顺序检测五个检查点：

1. 出生：归一化兴趣首次超过峰值5%的周。
2. 峰值：原始搜索兴趣值达到最大的周。
3. 衰退开始：峰值后兴趣首次降至峰值50%以下的周。
4. 死亡：衰退开始后兴趣首次降至峰值10%以下的周。
5. 重生：若死亡后至少4周，兴趣回升至峰值30%以上，则被分类为重生。

分类体系

生命周期标签

根据算法结果和生命周期长度，按优先级分配标签：

• reborn（重生）：确认死亡后又复活。
• dead（死亡）：确认死亡，未复活。
• evergreen（常青）：未死亡且生命周期 > 260周（约5年）（本数据集中无）。
• long_lived（长寿命）：未死亡且生命周期在104–260周之间（约2–5年）。
• moderate（中等）：未死亡且生命周期在26–104周之间（约6个月–2年）。
• short_lived（短命）：生命周期 ≤ 26周。

生存等级

根据综合生命周期结果分配等级：

• phoenix（凤凰）：死亡后真正复活（数量：1）。
• survivor（幸存者）：长期活跃，从未确认死亡（数量：5）。
• fading（衰退中）：活跃但正在衰退，尚未死亡（数量：4）。
• extinct（灭绝）：确认死亡，未复活（数量：10）。

关键研究发现

• 覆盖范围：20个迷因，3,600个周度数据点，500个Reddit帖子，12个迷因拥有维基百科文章。
• 死亡率：50%（20个中的10个确认死亡）。
• 唯一重生迷因：Trollface。峰值于2012年2月，2015年2月死亡，随后于2015年12月因讽刺性复兴社区驱动回升至峰值的38%。
• 传播力与生存的关系：传播力最高（82.8）的Surprised Pikachu已灭绝。传播力最低（45.5）的Trollface是数据集中唯一的“凤凰”。

数据集中的20个迷因及其分类

迷因	生命周期标签	生存等级
Among Us	dead	extinct
Chad Vs Virgin	moderate	fading
Coffin Dance	dead	extinct
Distracted Boyfriend	moderate	fading
Doge	dead	extinct
Drake Hotline Bling	dead	extinct
Galaxy Brain	moderate	fading
Gru Plan	dead	extinct
Hide The Pain Harold	long_lived	survivor
Mocking Spongebob	dead	extinct
Nyan Cat	dead	extinct
Pepe The Frog	dead	extinct
Rickroll	long_lived	survivor
Stonks	moderate	fading
Surprised Pikachu	dead	extinct
This Is Fine Dog	long_lived	survivor
Trollface	reborn	phoenix
Two Buttons	long_lived	survivor
Wojak	long_lived	survivor
Woman Yelling At Cat	dead	extinct

搜集汇总

数据集介绍

构建方式

在数字文化研究领域，理解网络迷因的演化轨迹需要多源数据的融合。该数据集通过整合五个独立的数据源构建而成：Google Trends 提供了从2010年至2024年的每周搜索兴趣数据，作为时间线主干；Know Your Meme 贡献了包括起源年份、平台和状态在内的结构化元数据；Reddit 公共 API 收集了多个社区中的互动数据；Wayback Machine 通过存档快照数量代理历史讨论量；Wikipedia 则作为文化持久性的信号。所有数据通过一个统一的 Python 脚本自动采集，并经过 NaN 安全的数据清洗，最终生成三个核心 CSV 文件，分别涵盖生命周期属性、每周趋势和 Reddit 帖子记录。

特点

该数据集的核心特点在于其仿生学视角，将迷因视为数字有机体，通过生命周期算法刻画其演化轨迹。算法基于归一化的每周兴趣曲线，精确识别出生、峰值、衰减开始、死亡和重生五个关键节点，并依据严格优先级分配生命周期标签与生存层级。数据集涵盖20个迷因，跨越15年时间跨度，包含3600个周度数据点和500条 Reddit 记录，不仅量化了迷因的传播强度，还揭示了其适应性、平台扩散和文化持久性等多维特征。尤为突出的是，它首次系统性地记录了迷因的“重生”现象，为理解数字文化的循环与复兴提供了实证基础。

使用方法

数据集以结构化 CSV 文件形式提供，研究者可直接通过 Pandas 等工具进行加载与分析。配套的 Flask 网络应用提供了可视化研究仪表板，用户可通过首页概览所有迷因的卡片与趋势图，点击进入详情页查看个体生命周期阶段、统计指标与归一化曲线；探索页面则提供生存层级分布、传播速度散点图等多维度分析图表。对于算法研究，生命周期页面逐步解析了阈值规则与检测逻辑。数据使用遵循明确的来源分离原则：互联网生命周期分析基于 Google Trends 数据，Reddit 互动分析则独立进行，确保结论的清晰与可靠。

背景与挑战

背景概述

在数字文化与传播学领域，互联网模因作为信息传播与亚文化演变的载体，其生命周期与演化规律长期受到学术关注。The-Hidden-Life-of-Memes数据集由相关研究团队于近年构建，旨在通过数据驱动方法系统探究模因从诞生、传播、演化到衰退的完整生命周期。该数据集整合了谷歌趋势、Reddit公共API、Know Your Meme、Wayback Machine及维基百科等多源异构数据，覆盖2010年至2024年间20个代表性模因的3600个周度观测点，核心研究问题聚焦于模因存活差异的动因——为何部分模因能持续数年而另一些仅昙花一现。其创新性地引入演化生物学与流行病学启发的生命周期算法，为数字文化动力学、传播模型及在线注意力经济研究提供了量化分析框架，推动了计算社会科学在互联网文化研究中的方法论进步。

当前挑战

该数据集面临的挑战主要体现在领域问题与构建过程两个维度。在领域问题层面，模因演化研究需解决多模态内容语义解析的复杂性——模因常依赖图像、文字与语境的多重交互，其文化内涵与变异轨迹难以通过单一指标完整捕获；同时，在线注意力动态具有高度非线性与平台依赖性，需建立跨平台协同传播模型以揭示存活机制。在数据构建过程中，挑战源于多源异构数据的时空对齐难题：谷歌趋势数据的相对化处理虽实现跨模因可比性，却可能模糊绝对影响力差异；历史平台数据的获取依赖存档服务，存在信息缺失与采样偏差风险；此外，生命周期算法中基于阈值（如5%出生线、10%死亡线）的判定机制虽具可操作性，但可能简化模因文化意义的连续性演变过程。

常用场景

经典使用场景

在数字文化与传播学领域，该数据集为研究者提供了一个量化分析互联网模因演化轨迹的宝贵资源。其经典使用场景在于通过整合谷歌趋势、Reddit互动数据及网络档案等多源时序信息，系统重构模因从诞生、传播、峰值到衰退乃至复活的完整生命周期。研究者可借助数据集中的标准化兴趣曲线与生命周期标签，深入探究模因在跨平台环境下的传播动力学，例如比较不同模因的病毒性峰值与衰减速度，或识别导致长期存活的适应性特征。

解决学术问题

该数据集有效解决了传播学与计算社会科学中若干关键问题，尤其是关于在线文化现象持久性机制的探讨。通过将模因建模为数字有机体，并引入受流行病学与进化生物学启发的生命周期算法，研究能够揭示为何某些模因迅速消亡而另一些则持续数年。数据集提供的死亡确认、复活事件检测及平台扩散计数等指标，助力学者实证检验文化适应力、情感广度与跨社区突变能力对模因生存的影响，从而深化对数字时代注意力经济与文化记忆形成的理解。

衍生相关工作

围绕该数据集衍生的经典工作主要集中在计算文化分析与跨学科方法创新上。例如，研究者基于其生命周期标签与生存层级分类，开发了预测模因长期存活率的机器学习模型，并将适应性评分与平台扩散指标关联起来，以量化社区多样性对文化韧性的作用。此外，数据集启发了对数字流行病学模型的改进，将模因复活事件纳入传播动力学方程，从而更准确地模拟在线信息的周期性复苏现象，为信息扩散理论提供了新的实证基础。