新冠疫情社交媒体谣言识别数据集COVID-19SocialMediaRumorIdentificationDataset-achrafoukou

数据来源：互联网公开数据

标签：新冠疫情, 社交媒体, 谣言识别, 文本分类, 舆情分析, 真实性判断, 自然语言处理, 机器学习

数据概述：该数据集包含来自Facebook等社交媒体平台关于新冠疫情的帖子信息，记录了帖子的文本内容、发布时间、互动数据以及真实性标签。主要特征如下：时间跨度：数据记录时间主要集中在2021年3月至4月，反映了新冠疫情发展期间的社交媒体信息传播情况。地理范围：数据主要来源于摩洛哥（Morocco）的社交媒体，可能包含其他国家或地区的疫情相关信息。数据维度：数据集包括“post url”（帖子链接）、“post page”（帖子发布页面）、“post text”（帖子文本内容）、“post date”（帖子发布时间）、“post image”（帖子配图）、“likes”（点赞数）、“shares number”（分享数）、“comments”（评论数）和“type”（真实性标签）等字段。数据格式：CSV格式，文件名为rumours_dataset.csv，其中包含了结构化的文本数据和相关的社交媒体互动数据。此外，还包含与帖子关联的.png格式的图片，用于补充视觉信息。数据已进行初步的结构化处理，方便进一步分析。该数据集适合用于社交媒体谣言检测、舆情分析、文本分类等研究，也可用于训练和评估机器学习模型。

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：适用于疫情期间社交媒体信息传播规律、谣言传播机制、文本情感分析等方面的研究。行业应用：为公共卫生部门、媒体机构、社交媒体平台提供数据支持，用于监测和管理疫情相关的虚假信息，提升信息传播的准确性和可靠性。决策支持：支持政府部门和相关机构进行疫情相关的政策制定和公众沟通，帮助其更好地了解公众关注点和信息需求。教育和培训：作为自然语言处理、机器学习、信息检索等课程的实训数据，帮助学生和研究人员掌握相关技术和方法。此数据集特别适合用于探索社交媒体谣言的传播特征，构建自动化的谣言检测模型，并评估其在实际应用中的效果，为提升公众的信息素养和维护网络信息环境提供支持。