Medium社交网络匿名数据集

该数据集包含1,075,983个Medium社交网络用户的匿名数据，包括社交图和每个用户的个人资料/活动数据。用户名已被数值ID匿名化，数据集于2016年8月收集。

This dataset comprises anonymized data from 1,075,983 Medium social network users, including social graphs and profile/activity data for each user. Usernames have been anonymized with numerical IDs, and the dataset was collected in August 2016.

原始信息汇总

数据集概述

基本信息

• 名称: An anonymized dataset of 1+ million users in the Medium social network
• 包含用户数: 1,075,983
• 数据收集时间: August 2016
• 数据内容: 包括社交图和用户个人资料/活动数据
• 用户名处理: 使用数值ID进行匿名化

文件详情

• nodes.txt:
  • 内容: 用户ID列表（0 ~ 1,075,982）
  • 格式: 每行一个用户ID
• edges.txt:
  • 内容: 有向社交图的边列表（30,026,896条边）
  • 格式: 每行表示一条有向边，如"0 1"表示用户0关注用户1
• user_data.csv:
  • 内容: 用户个人资料/活动数据，跨站点链接选项及关联的Twitter资料数据
  • 格式: 每行代表一个用户的数据
  • 列描述:
    • ID: 用户匿名ID
    • createdAt: 用户注册时间Unix时间戳
    • followers: 关注者数量
    • following: 关注数量
    • bio: 是否有个人简介（1为是，0为否）
    • posts: 文章数量
    • responses: 回复数量
    • recommends: 推荐数量（已替换为“claps”功能）
    • highlights: 高亮数量
    • facebook: 是否启用Facebook跨站点链接（1为启用，0为未启用）
    • twitter: 是否启用Twitter跨站点链接（1为启用，0为未启用）
    • twitter_followers: 关联Twitter账号的关注者数量
    • twitter_followings: 关联Twitter账号的关注数量
    • twitter_bio: 关联Twitter账号是否有个人简介（1为是，0为否）
    • twitter_tweets: 关联Twitter账号的推文数量
    • twitter_likes: 关联Twitter账号的点赞数量
    • twitter_lists: 关联Twitter账号的列表数量

许可证

• 类型: Creative Commons Attribution Share Alike 4.0

引用信息

• 论文: Understanding Service Integration of Online Social Networks: A Data-Driven Study
• 会议: IEEE International Conference on Pervasive Computing and Communications Workshops, 2018
• 作者: F. Li, Y. Chen, R. Xie, F. Ben Abdesslem and A. Lindgren

搜集汇总

数据集介绍

构建方式

Medium社交网络匿名数据集的构建基于2016年8月对Medium平台上1,075,983名用户的数据采集。数据采集过程中，用户的真实用户名被匿名化为数字ID，以确保隐私保护。数据集包含三个主要文件：`nodes.txt`记录了所有用户的匿名ID，`edges.txt`记录了用户之间的有向社交关系，`user_data.csv`则包含了用户的个人资料及活动数据，如注册时间、关注者数量、发布的文章数量等。此外，部分用户的数据还包含了跨平台链接选项及其关联的Twitter账户信息。

特点

该数据集的特点在于其规模庞大且结构清晰，涵盖了超过100万用户及其社交关系。数据集不仅提供了用户的社交图谱，还详细记录了每位用户的个人资料及活动数据，如注册时间、关注者数量、发布的文章数量等。此外，数据集还包含了用户跨平台链接选项及其关联的Twitter账户信息，为研究社交网络服务整合提供了丰富的数据支持。数据的匿名化处理确保了用户隐私的保护，同时保留了数据的可用性和研究价值。

使用方法

使用该数据集时，研究者可以通过`nodes.txt`文件获取所有用户的匿名ID，并通过`edges.txt`文件分析用户之间的社交关系。`user_data.csv`文件则提供了详细的用户个人资料及活动数据，可用于分析用户行为模式、社交网络结构及其跨平台链接行为。研究者可以利用这些数据进行社交网络分析、用户行为建模以及跨平台服务整合研究。数据集的使用需遵循Creative Commons Attribution Share Alike 4.0许可协议，确保数据的合法使用和共享。

背景与挑战

背景概述

Medium社交网络匿名数据集由Fei Li、Yang Chen等研究人员于2018年发布，旨在深入探讨在线社交网络中的服务整合问题。该数据集涵盖了2016年8月期间收集的1,075,983名Medium用户的社交图谱和活动数据，用户信息通过数字ID进行匿名化处理。该研究通过分析用户在不同平台（如Twitter）上的跨站点链接行为，揭示了社交网络服务整合的复杂性和多样性。这一数据集为社交网络分析、用户行为研究以及跨平台服务整合提供了重要的数据支持，推动了相关领域的研究进展。

当前挑战

Medium社交网络匿名数据集在解决社交网络服务整合问题时面临多重挑战。首先，数据集的构建过程中，由于网络爬虫技术的限制，部分用户数据未能完整获取，导致数据缺失问题。其次，社交图谱的规模庞大，包含超过3000万条有向边，处理和分析这些数据需要高效的算法和计算资源。此外，跨平台数据的整合与分析也带来了挑战，例如如何准确匹配不同平台上的用户行为数据，以及如何处理不同平台之间的数据格式差异。这些挑战不仅影响了数据的完整性和准确性，也对后续的研究提出了更高的技术要求。

常用场景

经典使用场景

Medium社交网络匿名数据集广泛应用于社交网络分析领域，特别是在研究用户行为模式、社交网络结构和信息传播机制方面。通过该数据集，研究者可以深入分析用户之间的关注关系、内容创作与互动行为，以及跨平台链接对用户活跃度的影响。这些分析为理解社交网络的动态性和复杂性提供了宝贵的数据支持。

解决学术问题

该数据集解决了社交网络研究中多个关键问题，如用户行为预测、社交网络中的信息传播路径分析以及跨平台用户行为的一致性研究。通过提供大规模的用户社交图和详细的用户活动数据，研究者能够更准确地建模社交网络中的信息流动和用户互动模式，从而推动社交网络分析领域的理论发展和技术创新。

衍生相关工作

基于Medium社交网络匿名数据集，研究者们开展了多项经典工作，如社交网络中的社区检测算法优化、用户行为预测模型的构建以及跨平台用户行为分析。这些研究不仅深化了对社交网络结构的理解，还为社交网络平台的运营和优化提供了理论依据和技术支持。此外，该数据集还促进了社交网络分析工具的开发，推动了相关领域的技术进步。