移动短视频平台行为、属性与内容大规模数据集|移动短视频数据集|用户行为分析数据集

本数据集由清华大学电子工程系提供，包含来自真实移动短视频平台的用户行为、属性和视频内容。数据集覆盖了10,000名志愿者的153,561个视频，具有丰富的用户行为和属性数据，以及视频内容特征。数据集旨在支持用户建模、社会科学、人类行为理解等领域的研究，特别是在改进用户建模和减轻AI算法带来的负面影响方面。

AI搜集汇总

数据集介绍

构建方式

本研究团队从实际移动短视频平台中收集了包含丰富用户行为、属性和视频内容的大规模数据集。数据集构建过程中，研究人员首先招募了10,000名志愿者，并在其移动设备上安装了代理软件以记录用户与视频的互动行为。数据收集严格遵循隐私和伦理规范，确保用户信息匿名化处理。数据集涵盖了用户与视频的1,019,568条互动记录，规模之大超过多数现有公开数据集。在构建用户和视频属性时，采用K-means聚类对视频标题进行分类，并手动标注类别信息，形成了3级层次的视频类别体系，同时收集了用户的性别、年龄、地理位置等人口统计信息和设备价格等属性。

特点

本数据集的特点在于：一是数据规模大，涵盖了10,000名用户的153,561个视频互动；二是数据维度丰富，包含用户行为、属性和视频内容等多维度信息；三是数据质量高，通过技术验证保证了互动行为和属性数据的丰富性以及内容数据的质量；四是应用前景广，可支持用户建模、社会科学、人类行为理解等广泛研究。

使用方法

使用本数据集时，研究人员可以访问GitHub上的完整数据集和代码，以便进行数据特性分析和模型训练。数据集分为训练集、验证集和测试集，可用于推荐算法的基准测试，也可用于研究用户在平台上的过滤器泡沫现象等。用户在使用数据集时需遵循相关隐私和伦理规范，确保研究目的的合法性和数据使用的合规性。

背景与挑战

背景概述

移动短视频平台行为、属性与内容大规模数据集是由清华大学电子工程系的研究人员于2025年创建的。该数据集汇集了来自真实移动短视频平台的丰富用户行为、属性和视频内容，旨在解决现有数据集中用户视频反馈不足、用户属性有限以及视频内容缺失的问题。该数据集涵盖了10,000名志愿者的1,019,568次互动，以及153,561个视频，其规模之大在同类数据集中位居前列。数据集的创建严格遵循隐私和伦理规定，并为用户建模、社会科学、人类行为理解等领域的研究提供了强有力的支撑。

当前挑战

该数据集在构建过程中主要面临以下挑战：1)如何充分捕获和记录用户在短视频平台上的多样化行为；2)如何在保护用户隐私的前提下，收集和整合用户的多维度属性信息；3)如何有效地获取和表示视频内容，以支持多模态的用户建模。此外，数据集在解决领域问题方面的挑战包括：如何利用该数据集改进用户建模，减轻AI算法带来的负面效应，例如回声室效应和过滤器泡沫现象。

常用场景

经典使用场景

移动短视频平台行为、属性与内容大规模数据集被广泛应用于短视频平台用户行为分析、推荐算法优化及社交网络研究等领域。该数据集通过记录用户与视频的互动行为、用户属性以及视频内容，为研究人员提供了一种全面的研究工具，使得在用户建模、社交科学、人类行为理解等方面的工作得以深入开展。

解决学术问题

该数据集解决了现有数据集中用户视频反馈不足、用户属性信息有限以及缺乏视频内容等问题。通过提供丰富的用户行为数据、详细的用户和视频属性信息以及视频内容，该数据集有助于学术研究中对用户行为的深入理解，为推荐算法的改进提供了有力支持，并促进了信息过滤泡沫现象的研究。

衍生相关工作

基于该数据集，研究者们已经开展了一系列相关工作，如多模态推荐算法的研究、用户行为模式分析、社交网络中的信息传播研究等。这些衍生工作不仅推动了短视频平台相关技术的进步，也为社交网络分析和推荐系统研究提供了新的视角和数据支持。