Weibo-COV|COVID-19研究数据集|社交媒体数据数据集

arXiv2020-10-10 更新2024-06-21 收录

COVID-19研究

社交媒体数据

下载链接：

https://github.com/nghuyong/weibo-public-opinion-datasets

下载链接

链接失效反馈

资源简介：

Weibo-COV是由北京理工大学创建的大规模COVID-19社交媒体数据集，包含超过4000万条从2019年12月1日至2020年4月30日期间从新浪微博收集的帖子。该数据集内容丰富，涵盖了帖子级别的信息、互动信息、地理位置信息及转发网络等。创建过程中，研究团队构建了一个包含2000万活跃用户的用户池，并通过179个与COVID-19相关的关键词筛选相关帖子。该数据集旨在支持COVID-19的多角度研究，帮助快速响应和抑制疫情传播。

提供机构：

北京理工大学

创建时间：

2020-05-19

AI搜集汇总

数据集介绍

构建方式

Weibo-COV数据集的构建采用了创新的方法，首先通过构建一个高质量的微博活跃用户池，该池包含2000万活跃用户，占微博总用户数的8%。随后，收集这些活跃用户在2019年12月1日至2020年4月30日期间的所有帖子，并使用179个与COVID-19相关的关键词进行过滤，最终保留了超过4000万条帖子。这种方法不仅提高了数据收集的效率，还确保了数据集的规模和质量。

使用方法

Weibo-COV数据集适用于多种研究目的，包括但不限于疫情传播模式分析、公众情绪监测、政府政策效果评估等。研究者可以通过分析帖子的内容、互动情况和地理位置信息，深入了解疫情对社会各层面的影响。此外，数据集的丰富字段和大规模样本量也为机器学习和数据挖掘算法提供了理想的训练和测试数据，有助于开发更精准的疫情预测和防控模型。

背景与挑战

背景概述

在COVID-19疫情迅速蔓延的背景下，人们的生活和社交方式发生了显著变化，大量社交互动转移至网络空间，尤其是社交媒体平台如微博。Weibo-COV数据集由北京理工大学和科学技术大学的研究人员于2020年创建，旨在收集和分析疫情期间微博上的大量用户生成内容。该数据集包含从2019年12月1日至2020年4月30日期间的超过4000万条微博帖子，涵盖了疫情相关的广泛信息，包括帖子内容、互动信息、地理位置和转发网络等。这一数据集的创建旨在支持COVID-19相关研究，特别是早期预警和疫情检测，从而为公共卫生决策提供数据支持。

当前挑战

Weibo-COV数据集在构建过程中面临多项挑战。首先，由于微博API的限制，传统的数据收集方法难以获取大规模数据，因此研究团队采用了构建高活跃用户池的方法，以提高数据收集效率。其次，数据过滤过程中需要精确识别与COVID-19相关的帖子，这要求研究团队开发和维护一个包含179个关键词的列表，以确保数据的准确性和相关性。此外，保护用户隐私也是一个重要挑战，数据集中所有可识别用户信息均已进行匿名化处理。最后，如何确保数据集的实时更新和长期维护，以反映疫情动态变化，也是该数据集面临的一大挑战。

常用场景

经典使用场景

Weibo-COV数据集的经典使用场景主要集中在COVID-19的早期预警和疫情动态监测。通过分析微博平台上用户发布的相关帖子，研究人员可以实时追踪疫情的发展趋势，识别潜在的疫情热点区域，并评估公众对防疫措施的反应。此外，该数据集还可用于研究社交媒体在公共卫生危机中的信息传播机制，以及如何通过社交媒体平台进行有效的公共卫生宣传和教育。

解决学术问题

Weibo-COV数据集解决了多个重要的学术研究问题，特别是在传染病学和社会媒体分析领域。首先，它为研究人员提供了一个大规模的、细粒度的数据源，用于研究COVID-19的传播模式和社会影响。其次，该数据集有助于开发和验证基于社交媒体的疫情预测模型，从而提高公共卫生决策的科学性和时效性。此外，Weibo-COV还为跨文化、跨语言的疫情信息传播研究提供了宝贵的数据支持，促进了全球公共卫生领域的知识共享和合作。

实际应用

在实际应用中，Weibo-COV数据集被广泛用于公共卫生部门的疫情监控和应急响应。例如，地方政府和卫生机构可以利用该数据集实时监测公众对疫情的关注度和情绪变化，及时调整防疫策略。同时，企业和市场研究机构也可以通过分析微博数据，了解消费者在疫情期间的行为变化和需求趋势，从而制定更加精准的市场营销策略。此外，教育机构和非政府组织也可以利用该数据集进行公共卫生教育和宣传，提高公众的健康意识和自我防护能力。

数据集最近研究

相关研究论文

1
Weibo-COV: A Large-Scale COVID-19 Social Media Dataset from Weibo北京理工大学 · 2020年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

LFW

人脸数据集;LFW数据集共有13233张人脸图像，每张图像均给出对应的人名，共有5749人，且绝大部分人仅有一张图片。每张图片的尺寸为250X250，绝大部分为彩色图像，但也存在少许黑白人脸图片。 URL: http://vis-www.cs.umass.edu/lfw/index.html#download

AI_Studio 收录

PCLT20K

PCLT20K数据集是由湖南大学等机构创建的一个大规模PET-CT肺癌肿瘤分割数据集，包含来自605名患者的21,930对PET-CT图像，所有图像都带有高质量的像素级肿瘤区域标注。该数据集旨在促进医学图像分割研究，特别是在PET-CT图像中肺癌肿瘤的分割任务。

arXiv 收录

HyperGlobal-450K - 全球最大规模高光谱图像数据集

HyperGlobal-450K数据集由武汉大学联合国内外多所知名高校及研究机构共同构建，是迄今为止全球规模最大的高光谱图像数据集。该数据集包含约45万张高光谱图像，规模等价于超过2000万张不重叠的三波段图像，远超现有的同类数据集。数据集涵盖了全球范围内的高光谱遥感图像，包括来自地球观测一号（EO-1）Hyperion和高分五号（GF-5B）两种传感器的图像，光谱范围从可见光到短波及中波红外，具有从紫外到长波红外的330个光谱波段，空间分辨率为30米。每幅图像经过精心处理，去除了无效波段和水汽吸收波段，保留了具有实际应用价值的光谱信息。HyperGlobal-450K数据集不仅支持高光谱图像的基础研究，还能够用于开发和测试各种高光谱图像处理方法，比如图像分类、目标检测、异常检测、变化检测、光谱解混、图像去噪和超分辨率等任务。

github 收录

中国高分辨率高质量PM2.5数据集（2000-2023）

ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集（ChinaHighAirPollutants, CHAP）中PM2.5数据集。该数据集利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92，均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。注意：该数据集持续更新，如需要更多数据，请发邮件联系作者（weijing_rs@163.com; weijing@umd.edu）。数据文件中包含NC转GeoTiff的四种代码（Python、Matlab、IDL和R语言）nc2geotiff codes。

国家青藏高原科学数据中心收录

China Air Quality Historical Data

该数据集包含了中国多个城市的空气质量历史数据，涵盖了PM2.5、PM10、SO2、NO2、CO、O3等污染物浓度以及空气质量指数（AQI）等信息。数据按小时记录，提供了详细的空气质量监测数据。