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56. 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（1,008,411,895个唯一推文）上释放所有推文和转发，以及full_dataset-clean.tsv文件上没有转发的清洁版本（257,164,087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。
| 姓名 | 尺寸 | |
|---|---|---|
|
emojis.zip.
MD5：926C481AE9B52DD56F88113C0025C1D8 |
7.4 MB | Download |
|
频率_bigrams.csv.
MD5：C89B38638E385ACF887CFEC1784FCCEF. |
19.8 KB. | Download |
|
验证_terms.csv.
MD5：1DA79447BAA23BC911F98537FC2E0AD8 |
11.9 KB. | Download |
|
验证_trigrams.csv.
MD5：B368AB44AC708B91E85125FCE63CB92B. |
27.4 KB. | Download |
|
full_dataset-statistics.tsv.
MD5：ABC1FD1E1D56FF6786C177D4682DD709 |
8.6 kB | Download |
|
full_dataset.tsv.gz.
MD5：D69C7AE59DCF502555722FA7BE703E08 |
8.5 GB | Download |
|
full_dataset_clean-statistics.tsv.
MD5：044045821A0F6987181960D384054062 |
8.2 kB | Download |
|
full_dataset_clean.tsv.gz.
MD5：439D645181B6C9CA6B7540E74A89B075 |
2.4 GB | Download |
|
hashtags.zip.
MD5：7369A02598B96CE5D93A0B04424C2688 |
138.7 MB. | Download |
|
提到
MD5：0DC6A426635C51302D9E5DA794107305 |
228.6 MB. | Download |
| 所有版本 | 这个版本 | |
|---|---|---|
| 意见 | 79,274 | 0 |
| 下载 | 89,152 | 0 |
| 数据量 | 117.2 TB. | 0字节 |
| 独特的观点 | 63,329 | 0 |
| 独特的下载 | 21,845 | 0 |
- 发布日期：
- 4月4日，2021年4月4日
- 迪伊：
-
- 关键词：
- 社交媒体 推特 NLP. 新冠肺炎 新冠肺炎
- 相关标识符：
- 继续
- 补充
- //arxiv.org/abs/2004.03688 (Preprint)
- 备用标识符：
-
- //github.com/thepanacealab/covid19_twitter (Software)
- 社区：
- 许可证（for文件）：
- 其他（公共领域）