当前 COVID-19 Omicron 波在线学习的 Twitter 谈话的大规模数据集
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
本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析,探究社交媒体对疫情预测的作用,结果表明加入社交媒体变量可以改进疫情预测模型的准确性,并发布全球的 MegaGeoCOV 数据集,以帮助更好地理解全球疫情的动态。
Jun, 2022
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
开发了基于机器学习的网络应用程序,用于自动分类社交媒体上的 COVID-19 相关讨论,并提供了用于分类的基准结果。
Feb, 2024
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
该研究提供了一个多语种的新冠病毒 Instagram 数据集,旨在帮助研究社区更好地了解 Instagram 这一主要社交媒体中这一现象背后的动态,并帮助研究这一疫情相关的错误信息的传播。
Apr, 2020
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
本研究使用深度学习模型,利用印度 Twitter 数据集,对 COVID-19 疫情的第一至第三波进行话题建模,发现官方治理、疫苗接种和疫情管理等是话题重叠的主题,并发现 COVID-19 疫情的政治、社会和经济情况下出现了新问题。研究结果表明,不同时期的主要话题与相应时间段流行的新闻媒体有强烈的定性相关性。该研究还具有扩展到其他国家和地区捕捉 COVID-19 疫情不同阶段的主要问题的潜力。
Feb, 2023