数据集概述
本数据集包含阿拉伯语Twitter新闻可信度评估相关的数据集、模型代码及说明文档。核心内容为基于情感分析和集成学习构建的新闻可信度模型，提供了带特征的新闻数据集、标注回复数据、推文ID列表及模型实现代码，可用于研究Twitter平台阿拉伯新闻的可信度评估方法。
文件详解
- 数据文件
- 文件名称：NewsCredibilityDataset.csv
- 文件格式：CSV
- 字段映射介绍：包含Text（文本）、Verified（认证状态）、NumOfFollowers（粉丝数）、NumOfRetweets（转发数）、HasHashtag（含话题标签）、HasMention（含提及）、HasURL（含链接）等新闻可信度相关特征字段
- 文件名称：AnnotatedReplies.csv
- 文件格式：CSV
- 字段映射介绍：包含基于可信度标注的推文回复数据，记录回复内容及可信度标注结果
- 文件名称：Tweet_ID.txt
- 文件格式：TXT
- 字段映射介绍：包含数据集中涉及的推文ID列表，如1226830672351895553等
- 代码文件
- 文件名称：ArabicNewscredibility model.py
- 文件格式：PY
- 字段映射介绍：使用Python语言编写的阿拉伯新闻可信度模型代码，基于Keras库和TensorFlow后端实现
- 文档文件
- 文件名称：Features description.docx
- 文件格式：DOCX
- 字段映射介绍：描述新闻可信度数据集各特征含义的说明文档
- 文件名称：Read me.docx
- 文件格式：DOCX
- 字段映射介绍：数据集及模型的使用说明文档，包含运行要求、数据路径设置等信息
适用场景
- 社交媒体新闻可信度评估: 利用标注数据和模型代码，构建或验证Twitter阿拉伯新闻可信度评估模型
- 情感分析应用研究: 基于阿拉伯语新闻文本，探索情感分析技术在新闻可信度评估中的应用效果
- 集成学习模型优化: 针对新闻可信度评估任务，优化基于Keras和TensorFlow的集成学习模型性能
- 社交媒体数据特征分析: 分析粉丝数、转发数、话题标签等特征与新闻可信度的关联关系
- 阿拉伯语自然语言处理: 用于阿拉伯语社交媒体文本的可信度标注数据及模型训练
