OSINT Tweets about the Russo-Ukrainian war

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。

The dataset is named "OSINT Tweets about the Russo-Ukrainian War", created by the Nuremberg Institute of Technology and Munich University of Applied Sciences. It aims to collect and analyze open-source intelligence (OSINT)-related tweets concerning the Russo-Ukrainian conflict from January 2022 to July 2023. The dataset contains nearly 2 million tweets involving 1,040 users, covering multiple languages and content types including images, videos, and external links. The dataset was constructed using keyword search and snowball sampling methods, ensuring data relevance and community penetration. It is primarily applied to research on social media information dissemination, disinformation detection, and public opinion studies related to war-related events.

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。