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？
OSINT Tweets about the Russo-Ukrainian war|社交媒体分析数据集|战争研究数据集
收藏arXiv2024-09-02 更新2024-09-06 收录
下载链接：
https://github.com/annakaa/OSINT Tweets
下载链接
链接失效反馈资源简介：
该数据集名为“OSINT Tweets about the Russo-Ukrainian war”，由纽伦堡技术学院和慕尼黑应用科学大学创建，旨在收集和分析2022年1月至2023年7月期间关于俄乌战争的开放源情报（OSINT）相关推文。数据集包含近200万条推文，涉及1040个用户，涵盖了多种语言和内容类型，如图像、视频和外部链接。数据集的创建过程采用了关键词搜索和雪球采样方法，确保了数据的相关性和社区的渗透性。该数据集主要应用于分析社交媒体上的信息传播、虚假信息检测以及战争相关事件的公众舆论研究。
提供机构：
纽伦堡技术学院
创建时间：
2024-09-02
AI搜集汇总
数据集介绍
构建方式
在俄乌冲突的背景下，开源情报（OSINT）在社交媒体上的传播引起了广泛关注。Niu等人通过在Twitter上收集与OSINT相关的推文，构建了一个名为“OSINT Tweets about the Russo-Ukrainian war”的数据集。该数据集的构建采用了两步滚雪球抽样方法，首先通过关键词搜索识别相关用户，然后收集这些用户的顶级推文。最终的数据集包含了1040名用户发布的近200万条推文。
特点
该数据集的特点在于其专注于OSINT相关账户的推文，从而为研究OSINT社区在俄乌冲突中的对话提供了深入见解。数据集涵盖了2022年1月至2023年7月期间的推文，其中包含了大量图片、视频和外部链接。此外，该数据集的语言分布广泛，包括英语、日语、乌克兰语、俄语等多种语言。
使用方法
使用该数据集的方法主要包括内容分析、话题聚类和虚假信息检测等。研究人员可以通过分析推文的内容来了解OSINT社区对俄乌冲突的看法和态度，并通过话题聚类来识别数据集中的不同主题。此外，数据集中的推文还可以用于检测虚假信息和宣传，以帮助公众更好地理解冲突的真相。
背景与挑战
背景概述
随着俄罗斯在乌克兰的战争引发了对开源情报（OSINT）的极大兴趣，尤其是在社交媒体平台上，如Twitter，私人用户和网络可以分享他们的发现。开源情报是指基于免费数据的信息收集工作，在冲突中具有极高的价值，既可以获取新情况的理解，也可以追踪虚假信息的传播。Niu等人（2024）在他们的论文中介绍了从2022年1月至2023年7月期间，从Twitter收集的关于俄罗斯与乌克兰战争的开源情报推文数据集。该数据集是基于对发布开源情报的用户进行初步搜索，并随后采用滚雪球方法来检测更多用户。最终数据集包含来自1040位用户的近200万条推文。研究人员还提供了一些初步的数据分析和实验，并对未来的使用提出了建议。
当前挑战
开源情报推文数据集相关的挑战包括：1)所解决的领域问题的挑战：随着社交媒体在信息传播、宣传和虚假信息传播方面发挥决定性作用，尤其是在危机情况下，开源情报对战争的理解、感知和评论方式产生了影响。了解Twitter上开源情报相关账户中宣传或虚假信息的潜在影响需要深入了解相关账户发布的推文内容。2)构建过程中所遇到的挑战：该数据集的收集方法基于滚雪球抽样方法，该方法基于提及和转发，这可能会限制关于正在进行的战争的全面讨论。此外，数据集仅收集了至少被提及或转发十次的相关用户，这种方法可能会显著减少相关用户数量。未来的研究可以关注调整参数，增加更软的中间过滤步骤，以收集最佳数量的相关用户，并可能增加迭代次数，直到达到饱和。
常用场景
经典使用场景
该数据集为俄乌战争相关的开源情报（OSINT）推特数据集，包含了从2022年1月至2023年7月期间1040个用户发布的近200万条推文。这些推文主要涉及俄乌战争相关的开源情报，包括卫星图像、现场摄像头、泄露的文件或新闻报道等。该数据集可以用于研究开源情报在冲突中的作用，以及跟踪虚假信息的传播。
解决学术问题
该数据集解决了开源情报在冲突中的收集、处理、分析和传播等问题，并提供了开源情报数据集的构建方法。同时，该数据集也为研究虚假信息在社交媒体上的传播提供了数据基础。
衍生相关工作
该数据集的构建方法可以用于构建其他开源情报数据集，如其他冲突或危机事件的开源情报数据集。此外，该数据集还可以用于研究开源情报在社交媒体上的传播规律，以及社交媒体在危机管理中的作用。
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
FER2013
FER2013数据集是一个广泛用于面部表情识别领域的数据集，包含28,709个训练样本和7,178个测试样本。图像属性为48x48像素，标签包括愤怒、厌恶、恐惧、快乐、悲伤、惊讶和中性。
github 收录
OECD Employment and Labour Market Statistics
该数据集包含了经合组织（OECD）成员国的就业和劳动力市场统计数据，涵盖了就业率、失业率、劳动力参与率、工资水平、工作时间等多个方面的指标。数据按国家和时间序列提供，帮助分析和比较不同国家的劳动力市场状况。
stats.oecd.org 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录
COVID-19 Data Hub
COVID-19 Data Hub是一个全球性的COVID-19数据集，包含了来自多个国家和地区的疫情数据，涵盖了病例数、死亡数、康复数、测试数等信息。此外，数据集还包括了与疫情相关的经济、社会和政策数据。
covid19datahub.io 收录
MID-Ship
MID-Ship是一个用于复杂海上船舶导航行为的数据集，由上海海事大学创建，旨在解决船舶目标检测中的遮挡和密集交互问题。该数据集包含5673张图像，总计135,884个精细标注的目标实例，涵盖多种海上场景，如不同天气条件下的船舶相遇、靠泊操作、小目标聚集和部分遮挡等。数据集通过高分辨率视频片段采集，覆盖43个不同的可航水域，并包含多种天气和光照条件，增强了数据集的多样性和实用性。MID-Ship主要应用于智能海上交通监控系统和自主船舶导航，旨在提高复杂环境下的船舶检测和跟踪能力，减少海上事故。
arXiv 收录