数据集概述
该数据集包含多语言错误信息推文（MMTweet）相关的标注指南、结构化数据文件、代码脚本等资源，覆盖推文分类、声明匹配等任务，支持多语言错误信息检测与分析研究。
文件详解
- 标注指南文件：
- Data Annotation – Tweet Classification.pdf：PDF格式，推文分类任务的标注规范文档
- Data Annotation – Claim Matching.pdf：PDF格式，声明匹配任务的标注规范文档
- 核心数据文件：
- MMTweets_full_dataset.csv：CSV格式，多语言错误信息推文完整数据集
- MMTweets_test.csv：CSV格式，多语言错误信息推文测试子集
- MMTweets_train.csv：CSV格式，多语言错误信息推文训练子集
- debunk_corpus.json：JSON格式，已辟谣叙事语料库
- 代码工具文件：
- get_tweet_text.py：Python脚本，用于从推文ID提取推文文本
- load_dataset.ipynb：Python笔记本，数据集加载示例代码
- 说明文档：
- README.md：Markdown格式，数据集说明文档
适用场景
- 多语言错误信息检测研究：基于标注数据训练分类模型
- 声明匹配算法开发：验证声明与辟谣内容的关联匹配方法
- 社交媒体内容分析：探索不同语言错误信息传播特征
- 自然语言处理应用：构建多语言文本分类、信息检索任务基准
