新冠疫情虚假信息识别数据集COVID-19MisinformationIdentificationDataset-armandogru
数据来源：互联网公开数据
标签：新冠疫情, 虚假信息, 文本分类, 谣言识别, 事实核查, 自然语言处理, 机器学习, 公共卫生
数据概述：
该数据集包含来自社交媒体和新闻报道中的文本数据，记录了与新冠疫情相关的声明，并标注了其真实性与所属类别。主要特征如下：
时间跨度：数据未明确标注时间，可视为疫情期间的文本快照。
地理范围：数据来源广泛，涵盖全球范围内关于新冠疫情的讨论。
数据维度：包括“claim”（声明文本）、“label”（真实性标签，1代表虚假信息，0代表真实信息）和“category”（类别标签，用于进一步区分信息类型）。
数据格式：CSV格式，文件名为baseline_dataset.csv，方便进行文本分析和模型训练。
来源信息：数据来源于网络公开信息，经过人工标注或机器辅助标注，用于训练识别虚假信息的模型。
该数据集适合用于研究新冠疫情期间虚假信息的传播规律，以及开发自动化的事实核查系统。
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：适用于公共卫生、传播学、自然语言处理等领域的学术研究，如虚假信息传播机制分析、谣言检测模型构建等。
行业应用：为新闻媒体、社交平台提供数据支持，用于提升内容审核效率，减少虚假信息传播。
决策支持：支持政府和卫生机构进行疫情期间的舆情监测与风险评估，辅助制定应对策略。
教育和培训：作为人工智能、信息安全、公共卫生等课程的案例分析材料，帮助学生理解虚假信息的识别与应对。
此数据集特别适合用于探索虚假信息在疫情期间的传播模式，并构建自动化的识别与过滤系统，从而提高公众的信息辨别能力，维护社会稳定。
