Medium数据科学文章统计分析数据集-2020-2021-evgenyparenchenkov
数据来源：互联网公开数据
标签：Medium,数据科学,文章分析,自然语言处理,文本挖掘,统计分析,时间序列,Kaggle
数据概述：
本数据集整合了2020年和2021年期间Medium平台上关于数据科学领域的文章数据。原始数据由Vinicius Lambert（Kaggle用户名：viniciuslambert）抓取，来源包括Medium及其他流行的数据科学文章平台。数据集包含文章的标题、副标题等文本信息，其中标题和副标题经过了停用词移除、词形还原和转换为小写字母的处理。此外，数据集还包含了从文本中提取的多种数值特征，例如：
作者发布新文章前，其收到的点赞数、评论数和阅读时长的总和、最大值、最小值、均值和标准差。
作者发布文章前，其发布过的同标签文章收到的点赞数、评论数和阅读时长的总和、最大值、最小值、均值和标准差。
预处理后的标题、副标题和作者名的单词长度。
预处理后的标题、副标题和作者名中的数字数量。
标题和副标题中，非NLTK英语词典收录的专业术语和技术词汇的数量。
数据来源于Kaggle平台，原始数据集链接如下：
2020年数据集：https://www.kaggle.com/viniciuslambert/medium-data-science-articles-dataset
2021年数据集：https://www.kaggle.com/viniciuslambert/medium-2021-data-science-articles-dataset
数据用途概述：
该数据集适用于多种数据科学研究和应用场景，包括但不限于：文章内容分析、作者影响力评估、文章发布策略研究、用户行为分析、自然语言处理实践等。研究人员可以利用此数据分析文章标题、副标题的特征与文章受欢迎程度之间的关系；可以评估不同作者的文章写作风格和影响力；可以探索文章标签与文章传播效果之间的关联；还可以用于训练和测试文本挖掘和自然语言处理模型，例如情感分析、主题建模等。
