Twitter Conversations about the COVID-19 Omicron Variant: A Large Scale Dataset of more than 500,000 Tweets

Please cite the following paper when using this dataset: N. Thakur and C.Y. Han, “An Exploratory Study of Tweets about the SARS-CoV-2 Omicron Variant: Insights from Sentiment Analysis, Language Interpretation, Source Tracking, Type Classification, and Embedded URL Detection,” Journal of COVID, 2022, Volume 5, Issue 3, pp. 1026-1049 Abstract This open-access dataset is one of the salient contributions of the above-mentioned paper. It presents a total of 522,886 Tweet IDs of the same number of Tweets about the SARS-CoV-2 Omicron Variant posted on Twitter since the first detected case of this variant on November 24, 2021. The dataset is compliant with the privacy policy, developer agreement, and guidelines for content redistribution of Twitter, as well as with the FAIR principles (Findability, Accessibility, Interoperability, and Reusability) principles for scientific data management. Data Description The Tweet IDs are presented in 7 different .txt files based on the timelines of the associated tweets. The data collection followed a keyword-based approach and tweets comprising the "omicron" keyword were filtered, collected, and added to this dataset. The following is the description of these dataset files. Filename: TweetIDs_November.txt (No. of Tweet IDs: 16471, Date Range of the Tweet IDs: November 24, 2021 to November 30, 2021) Filename: TweetIDs_December.txt (No. of Tweet IDs: 99288, Date Range of the Tweet IDs: December 1, 2021 to December 31, 2021) Filename: TweetIDs_January.txt (No. of Tweet IDs: 92860, Date Range of the Tweet IDs: January 1, 2022 to January 31, 2022) Filename: TweetIDs_February.txt (No. of Tweet IDs: 89080, Date Range of the Tweet IDs: February 1, 2022 to February 28, 2022) Filename: TweetIDs_March.txt (No. of Tweet IDs: 97844, Date Range of the Tweet IDs: March 1, 2022 to March 31, 2022) Filename: TweetIDs_April.txt (No. of Tweet IDs: 91587, Date Range of the Tweet IDs: April 1, 2022 to April 20, 2022) Filename: TweetIDs_May.txt (No. of Tweet IDs: 35756, Date Range of the Tweet IDs: May 1, 2022 to May 12, 2022) In the above table, the last date for May is May 12 as it was the most recent date at the time of data collection and dataset upload. The dataset would be updated soon to incorporate more recent tweets. The dataset contains only Tweet IDs in compliance with the terms and conditions mentioned in the privacy policy, developer agreement, and guidelines for content redistribution of Twitter. The Tweet IDs need to be hydrated to be used. For hydrating this dataset the Hydrator application (link to download and a step-by-step tutorial on how to use Hydrator) may be used.使用本数据集时，请引用以下论文： N. Thakur与C.Y. Han，《新型冠状病毒奥密克戎变异株相关推文的探索性研究：情感分析、语言解读、来源追踪、类型分类及嵌入式URL检测》，《Journal of COVID》，2022年，第5卷第3期，页码1026-1049 摘要 本开放获取数据集为上述论文的核心贡献之一。其包含共计522,886条推文ID（Tweet ID），对应自2021年11月24日该变异株首次被检测以来，在Twitter平台上发布的所有与严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）奥密克戎变异株相关的推文。本数据集符合Twitter的隐私政策、开发者协议及内容再分发指南，同时遵循FAIR原则（可发现性、可访问性、互操作性与可复用性）进行科学数据管理。 数据说明 本数据集根据关联推文的时间线，将推文ID划分为7个不同的纯文本（.txt）文件。数据采集采用基于关键词的方法，筛选并收集了包含“omicron”关键词的推文并纳入本数据集。以下为各数据集文件的详细说明： | 文件名 | 推文ID数量 | 时间范围 | | --- | --- | --- | | TweetIDs_November.txt | 16,471 | 2021年11月24日—2021年11月30日 | | TweetIDs_December.txt | 99,288 | 2021年12月1日—2021年12月31日 | | TweetIDs_January.txt | 92,860 | 2022年1月1日—2022年1月31日 | | TweetIDs_February.txt | 89,080 | 2022年2月1日—2022年2月28日 | | TweetIDs_March.txt | 97,844 | 2022年3月1日—2022年3月31日 | | TweetIDs_April.txt | 91,587 | 2022年4月1日—2022年4月20日 | | TweetIDs_May.txt | 35,756 | 2022年5月1日—2022年5月12日 | 上表中，5月数据集的截止日期为2022年5月12日，这是数据采集与数据集上传时的最新日期。本数据集后续将更新以纳入更近期的推文。 本数据集仅包含推文ID，且严格符合Twitter隐私政策、开发者协议及内容再分发相关条款与条件。需对推文ID进行水化（hydration）操作后方可正常使用。可使用Hydrator应用程序完成本数据集的水化操作，相关下载链接及使用该工具的分步教程均可获取。