美国疫情期间社交媒体情绪与趋势分析数据集USPandemicSocialMediaSentimentandTrends2020-sabinadahal
数据来源：互联网公开数据
标签：疫情, 社交媒体, 情绪分析, 谷歌趋势, Twitter, 地理信息, 数据可视化, 文本分析
数据概述：
该数据集包含来自多个渠道的数据，记录了2020年美国疫情期间的社交媒体情绪、谷歌搜索趋势以及地理位置信息。主要特征如下：
时间跨度：数据记录的时间范围为2020年全年。
地理范围：数据主要覆盖美国各州及主要城市。
数据维度：
GOOG_trends_2020_daily.csv：包含每日的谷歌搜索趋势评分。
events.csv：记录了与疫情相关的重大事件。
geoMap.csv：包含各州的情绪得分、缩写和颜色编码，用于地理可视化。
state_full.csv：提供了州名缩写与城市名称的对应关系。
tweets_classified.csv：包含推文文本、用户位置、互动数据（如转发数、点赞数）以及人工标注的情绪极性。
数据格式：数据集以CSV格式提供，便于数据分析与处理。
来源信息：数据来源于公开的社交媒体平台（如Twitter）和谷歌趋势等，并进行了结构化处理和情绪标注。
该数据集适合用于疫情期间社交媒体情绪分析、趋势分析、地理信息可视化以及相关领域的研究。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于社会学、传播学、公共卫生等领域的研究，例如分析疫情期间社交媒体情绪变化、事件对情绪的影响、不同地区的情绪差异等。
行业应用：可以为公共卫生部门、市场研究机构等提供数据支持，例如监测公众情绪、评估疫情对社会的影响、辅助制定政策等。
决策支持：支持政府部门、企业等进行危机管理和决策制定，例如了解公众对疫情的反应、优化信息传播策略等。
教育和培训：作为社会科学、数据科学等课程的辅助材料，帮助学生和研究人员深入理解社交媒体数据分析、疫情期间的社会动态。
此数据集特别适合用于探索疫情期间社交媒体情绪与搜索趋势之间的关系，以及地理位置对情绪的影响，帮助用户实现对社会舆情的深入洞察。
