本文介绍了 RUW 数据集，该数据集包括了超过 350 万的微博用户帖子和评论，旨在研究在线社交网络在信息提取和误解检测等方面的应用。

Mar, 2022

本文展示了一个新颖的数据集，该数据集收集并处理了全球各地新闻或媒体公司在社交媒体上发布的推文，旨在帮助研究人员从多个角度研究有关俄乌冲突的全球议论，包括涉及的主体，持有的态度，原始出处，以及事件中不同概念的表现。

Jun, 2023

本研究使用 Twitter API 获取包含 107.7M 条推文的数据集，分析 Twitter 用户账户被暂停的共享内容和特征，并发现针对俄乌冲突热点话题的比特币和以太坊欺诈、垃圾邮件和广告活动等骗子活动，并应用 Shapley 加性可解释模型来理解和解释用户账户被暂停的原因。

Jun, 2023

本研究使用基于 BERT 的模型分析推特上关于俄乌战争的观点和情感，采用邻域平均法模拟和聚类各国家时间序列，并提供有关公众对此冲突看法的有价值的见解。

Jan, 2023

本研究构建了一个新的数据集 MiDe-22，包括 5,284 条英文推文和 5,064 条土耳其推文，涵盖了包括俄罗斯 - 乌克兰战争、COVID-19 疫情和难民等几个最近事件，并提供了推文的用户参与度。研究提供了详细的数据分析和实验结果，并对误信息检测进行了基准评估。

Oct, 2022

本研究对 19 种不同危机期间收集的 Twitter 语料库进行了人工标注并训练了机器学习分类器，此外还发布了在 5200 万条危机相关 Tweets 上训练的第一大 word2vec word embeddings，以应对消息的语言问题，提出了不同词汇变体的人工标注规范资源。

May, 2016

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

通过研究 62000 名乌克兰公民在 2020 年 1 月至 2022 年 10 月期间发表的 400 多万条限地标志的推特信息，使用统计模型研究了语言选择和推文活动，并确定了行为效应和样本效应。研究表明，随着乌克兰局势的变化，从俄语向乌克兰语转变的趋势加快。

May, 2023

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

本研究基于 2020 年 1 月 29 日至 3 月 4 日期间采集的 6700 万条推特，分析了 COVID-19 在 Twitter 上的公共讨论，研究人员从用户所在的国家、社会身份和政治倾向等方面分类，发现虽然大多数有影响力的推特来自新闻媒体、政府官员和个人新闻记者，但影响力最大的推特仍然由普通用户发布。普通用户更容易传播提到 “假新闻” URL 和虚假信息故事情节的推文，而指向 “假新闻” 站点的 URL 的推文最有可能在来源国内被转发，因此不太可能在国际上传播。

Jun, 2020