enryu43/twitter100m_tweets

该数据集名为twitter100m_tweets，包含用户、推文、回复、转发、点赞、引用和日期等字段。数据集的训练集部分包含88084332个样本，总大小为20356236942字节。

原始信息汇总

数据集概述

数据集信息

特征

• user: 用户名，数据类型为字符串。
• id: 用户ID，数据类型为整数（int64）。
• tweet: 推文内容，数据类型为字符串。
• replies: 回复数，数据类型为整数（int64）。
• retweets: 转发数，数据类型为整数（int64）。
• likes: 点赞数，数据类型为整数（int64）。
• quotes: 引用数，数据类型为整数（int64）。
• date: 日期，数据类型为字符串。

数据分割

• train: 训练集，包含20,356,236,942字节的数据和88,084,332个样本。

数据大小

• 下载大小: 9,614,694,227字节。
• 数据集大小: 20,356,236,942字节。

搜集汇总

背景与挑战

背景概述

该数据集是一个大规模的推特数据集，包含约8810万条推文，总大小约9.61 GB，以Parquet格式存储。数据涵盖推文内容、用户信息及互动指标（如回复、转发、点赞和引用），适用于文本分析和社交网络研究。