研究表明，社交网络在危机期间扮演了重要的信息交流角色，可反映大规模公众舆论和情感，同时也可用于研究不同实体所采用的宣传舆论工具及其传播效果。作者提供了 2022 年俄乌危机期间 Twitter 数据集，包含 1.6 万条推文，时间跨度为危机的首个星期。

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

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

介绍国际危机行为（ICB）项目的新本体论和数据集（ICBe），ICBe 覆盖范围，召回率和精度较现有最佳数据集更高，ICBe 用于世纪历史中的国际事件，在此基础上开展了两项详细研究并引入两种新的事件可视化（事件图形和危机地图）和一个新的基准测试（自然语言处理中的合成叙述）以提高事件召回率。

Feb, 2022

本论文旨在通过整合多个数据集，提高处理社交媒体上危机相关数据的深度学习模型的性能，从而增强人道主义应对能力。研究集中在危机信息学的相关技术和系统，以及二元或多类分类任务的性能指标。

Apr, 2020