该文介绍了 GeoCoV19—— 一个包含 524 百万条推文的大规模 Twitter 数据集，通过基于地名词典的方法来推断推文的地理位置，而这一大规模、多语言、地理定位的社交媒体数据可以帮助研究社区评估社会如何共同应对这一前所未有的全球危机，以及建立计算方法来应对如识别假新闻，理解社区的知识差距，建立疾病预测和监测模型等挑战。

May, 2020

本研究旨在推广社交媒体研究对抗 COVID-19 及其他传染病。通过对 COVID-19 微博的量化和定性分析，我们提供了多种处理数据集的方法，并分享了一个多语种社交媒体数据集，供研究人员使用。

Apr, 2020

本研究使用数据分析和情感分析等方法，以 Twitter 为研究对象，收集了截至 2020 年 7 月 COVID-19 相关的 19298967 条推文，探讨了公众舆论和社交媒体传播的重要性。

Jan, 2021

本研究从新浪微博采集了超过 4000 万条由 2019 年 12 月 1 日至 2020 年 4 月 30 日期间发表的 COVID-19 的微博数据，包含了微博级别的信息、互动信息、位置信息和转发网络，以期促进从多个角度开展 COVID-19 研究，并有助于更好地和更快地抑制这一大流行病的传播。

May, 2020

描述了 TweetsCOV19 的基本特征和分析，这是一个公开可用的包含超过 800 万推特的知识库，旨在为大量知识发现任务提供前所未有的数据集。

Jun, 2020

本文介绍了一份包含 1 月 1 日至 4 月 4 日之间各地 152 万条与 COVID-19 有关的推文的数据集，为研究社交动态、情感反应等提供支持。

Apr, 2020

为了更好地应对 COVID-19 假新闻，我们提出了一个新的假新闻数据集 MM-COVID（多语言和多维 COVID-19 假新闻数据存储库），该数据集提供了多语言假新闻和相关社会背景。我们从不同角度对 MM-COVID 进行了详细的探索性分析，展示了在 COVID-19 假新闻研究的多语言和社交媒体的几个潜在应用方面的实用性。

Nov, 2020

本文描述了自 2020 年 1 月 22 日以来我们不断收集的多语种新冠状病毒 Twitter 数据集，旨在通过研究在线谈话动态以及科学信息和未经验证的谣言的跟踪等方面，了解这一全球性危机的影响。最终，该数据集可能有助于推动针对这一全球危机的知情决策和有针对性的政策干预。

Mar, 2020

本文介绍了 2020 年 1 月 1 日以来首个收集的新冠肺炎疫情下阿拉伯语推特数据集，该数据集可帮助研究人员和决策者研究与该大流行相关的不同社会问题，包括行为变化、信息共享、流言传播等等。

Apr, 2020

本研究提供了一个大规模的、符合 Twitter 隐私政策、FAIR 原则的开放数据集，该数据集基于全球自 2021 年 11 月 COVID-19 德尔塔毒株被首次发现以来与网上学习相关的推文。这份工作还简要概述了使用该数据集进行在线学习研究的一些潜在应用，包括大数据、数据挖掘和自然语言处理。

Jul, 2022