There is a 较新的版本 这个记录可用。

数据集 开放访问

一个大型Covid-19 Twitter Chatter DataSet,用于开放科学研究 - 国际合作

Banda,Juan M.; Tekumalla,ramya.; 王,观音; 玉,景园; 刘,托..; 丁,云宁; artemova,凯塔瓦; Tutubalina,Elena.; Chowell,Gerardo.

版本51. of the dataset. 

由于Covid-19全球大流行的相关性,我们正在释放我们从与Covid-19 Chatter相关的Twitter流中获取的推文数据集。自从我们的第一个版本以来,我们已从我们的新协作者收到额外的数据,允许此资源增长到其当前大小。专门的数据收集从3月11日开始,每天产生超过400万推文。我们从1月27日到3月27日增加了我们的新合作者提供的其他数据,以提供额外的纵向覆盖。版本10添加了 在1月1日至5月8日之间收集的俄语〜150万推文,优雅地向我们提供: Katya Artemova(NRU HSE)和Elena Tutubalina(KFU)。从版本12开始,我们已包含每日Hashtags,提及和Emoijis以及它们的频率相应的ZIP文件。从版本14. 我们  已将Tweet标识符及其各自的语言用于DataSet的清洁版本。自从 版本20我们包含所有推文的语言和地点。

从流中收集的数据捕获了所有语言,但普遍率较高: 英语,西班牙语和法语。我们在full_dataset.tsv文件上释放所有推文和转发(972,220,021个唯一推文),以及full_dataset-clean.tsv文件上没有转发的清理版本(245,549,873个独特的推文)。我们有几个实际原因让我们离开转推,跟踪重要推文,他们的传播是其中之一。对于NLP任务,我们提供了频率_Terms.csv的前1000个频繁的术语,验证的前1000名Bigrams,以及频率_trigrams.csv中的前1000个Trigrams。 full_dataset-statistics.tsv.和full_dataset-clean-statistics.tsv文件中的两个数据集都包含每天的一些常规统计信息.tsv文件。有关更多统计信息和一些可视化访问: http://www.panacealab.org/covid19/ 

可以找到更多详细信息(并将更新更新: //github.com/thepanacealab/covid19_twitter)我们对数据集的预先打印(//arxiv.org/abs/2004.03688

与始终一样,由于Twitter的条款和条件仅用于研究目的,因此仅在此分发的推文仅为推文标识符(附加日期和时间)仅用于重新分发Twitter数据。需要使用它们以使用水。

该数据集至少将在每周更新两周期,至少使用其他推文,请查看用于这些更新的GitHub repo。 发布:我们已经标准化了资源的名称以匹配我们的预打印手稿,并且不必每周更新它。
Files (10.7 GB)
名称 尺寸
emojis.zip.
MD5:412FED42CF623544DCE933B54337DE51
6.9 MB Download
频率_bigrams.csv.
MD5:CBFD4F12BC05DEE0CAE9299C88780B00
18.8 KB. Download
验证_terms.csv.
MD5:A16A8446179AD701258F4C093E74723B.
11.8 KB. Download
验证_trigrams.csv.
MD5:4A45CD0C7B4AF5B49C8F4C6F5F62C788
25.3 KB. Download
full_dataset-statistics.tsv.
MD5:FE7C8CD123A03617B8EB190F97C2F78
7.9 kB Download
full_dataset.tsv.gz.
MD5:AF915DAA3D46CD043FAF4EBAD362A625
8.1 GB Download
full_dataset_clean-statistics.tsv.
MD5:F6457E9C6F84A4D49740D6CE0DB8D035
7.6 kB Download
full_dataset_clean.tsv.gz.
MD5:93601C7C3A68CFAB7431CE5D6E29E3D7
2.3 GB Download
hashtags.zip.
MD5:F617BF5BEC6E662C2A22162EE1AAFFCB.
131.9 MB. Download
提到
MD5:791C19B16B4A8D70BAE8AC46FAE992D1
217.9 MB. Download
87,718
102,900
views
downloads
所有版本 这个版本
意见 87,7181,324
下载 102,900607
数据量 140.2 TB.743.0 GB.
独特的观点 69,6801,150
独特的下载 23,859393

分享

引用