精选数据 | COVID-19 疫情微博社交媒体数据集

下载该数据集需要填写申请表，请访问https://github.com/nghuyong/weibo-public-opinion-datasets

随着COVID-19在世界范围内的迅速发展，人们被要求保持“社会距离”和“居家隔离”。在这种情况下，广泛的社交互动转移到网络空间，特别是在Twitter和新浪微博等社交媒体平台上。在病毒大流行期间，人们通过发帖来分享信息、表达意见和寻求帮助，而社交媒体上的这些数据对于预防COVID-19传播的研究，如早期预警和疫情检测，都是很有价值的。

数据简介

我们发布了一个从新浪微博收集的全新的、细粒度的大规模COVID-19社交媒体数据集，名为Weibo-COV，包含了从2019年12月1日到2020年4月30日的4000多万条微博发帖。此外，该数据集还包含了诸如职位信息、交互信息、位置信息和转载网络等综合信息。我们希望这一数据集能够从多个角度促进对COVID-19的研究，并使更好和快速的研究能够抑制这种流行病的传播。

数据集的字段说明如下表：

字段	字段说明
_id	微博ID
crawl_time	爬取帖子时间(GMT+8)
created_at	发帖时间(GMT+8)
like_num	点赞数
repost_num	回帖数
comment_num	评论数
content	微博内容
origin_weibo	原贴ID
geo_info	地址信息,经纬度

数据集中每日微博数量分布

数据来源和引用

北京理工大学毛先领教授团队。https://github.com/nghuyong/weibo-public-opinion-datasets 如果使用该数据集，请引用以下EMNLP2020论文：

@inproceedings{hu-etal-2020-weibo,
    title = "{W}eibo-{COV}: A Large-Scale {COVID}-19 Social Media Dataset from {W}eibo",
    author = "Hu, Yong  and
      Huang, Heyan  and
      Chen, Anfan  and
      Mao, Xian-Ling",
    booktitle = "Proceedings of the 1st Workshop on {NLP} for {COVID}-19 (Part 2) at {EMNLP} 2020",
    month = dec,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.nlpcovid19-2.34",
    doi = "10.18653/v1/2020.nlpcovid19-2.34",
}