数据集概述
本数据集包含2015-2018年西班牙语疫苗与疾病相关推文及情感分析结果，涉及脑膜炎球菌病、流感等疾病及对应疫苗。数据涵盖推文内容、用户信息、关键词，以及专家人工标注（负面/非负面）、三大工具自动标注（IBM Watson、Google Cloud、Meaning Cloud）和机器学习元模型的情感分类结果，共6个文件。
文件详解
tweets_info.tsv（TSV格式）：含推文核心信息，字段包括id、cleanedText（清洗后文本）、createdAt（发布时间）、geoInfo（地理信息）、用户互动数据（inReplyToStatusId等）、lang（语言）、互动计数（favoriteCount等）、source（来源）、text（原文）、twitterUser_id（用户ID）users_info.tsv（TSV格式）：存储推文发布用户的内在信息（具体字段未展示）tweets_annotations.tsv（TSV格式）：含推文专家标注结果，字段包括tweetId、evaluator1至evaluator5（5位专家的情感分类：neg/non-neg）tweets_sentiments.tsv（TSV格式）：存储工具及元模型的情感标注结果（具体字段未展示）tweets_keywords.tsv（TSV格式）：记录每条推文提及的关键词（具体字段未展示）Codebook.xlsx（XLSX格式）：数据集的代码本，用于解释字段定义及数据说明（具体内容未展示）
数据来源
MSD Spain资助的MAVIS Study（VEAP ID: 7789）
适用场景
- 疫苗舆情情感分析：研究西班牙语用户对疫苗及疾病的态度倾向与分布特征
- 医疗社交媒体研究：分析疫苗相关信息在社交媒体的传播规律与用户互动模式
- 情感标注工具评估：对比人工标注与自动工具（IBM Watson等）的情感分类一致性
- 机器学习模型训练：基于专家标注数据优化医疗领域社交媒体情感分类模型
- 公共卫生政策参考：为疫苗科普与舆情引导提供数据支持
