Advertisement

Twitter社交网络连接数据集。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
Twitter的社交网络连接数据集，囊括了Twitter平台上用户之间的转发互动关系。该数据集为进行社交网络数据分析研究提供了宝贵的资源，能够深入探索用户行为模式以及信息传播机制。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Twitter社交网络连接的数据集
    优质
    此数据集汇集了Twitter平台上的社交互动信息，包含用户间的关系与交流记录，为研究社交媒体影响及传播模式提供了宝贵的资源。 Twitter的社交网络连接数据集包含了用户之间的转发关系，可用于进行社交网络数据分析研究。
     
  • 基于社交网络的Twitter推荐章节数据集.zip
    优质
    本数据集为研究Twitter上的用户行为和偏好而设计，包含大量经过标注的Twitter推荐信息，适用于社交媒体分析、个性化推荐算法开发等领域。 本数据集包含了Twitter用户的信息，并经过脱敏处理以保护隐私。该数据集包括用户的属性、社交圈（circles）以及ego网络（egonetwork）。共有81306个用户，涉及1768149条连边。 - **nodeId.edges**：文件中记录了每个节点ID的ego网络中的所有连接关系，其中该节点作为中心点。在Twitter上，关注关系是有方向性的，“a b”表示用户a关注b，并不意味着b也一定回关a。 - **nodeId.circles**：描述了每个用户的社交圈及其成员信息。每一行代表一个特定的社交圈子；第一列是该社交圈编号。 - **nodeId.feat**：此文件记录了出现在对应nodeId.edges中的所有用户属性特征，其中第一列为用户ID，其余各列为不同的属性维度，1表示拥有该属性，0则相反。 - **nodeId.egofeat**：提供每个节点的个人属性信息。 - **nodeId.featnames**：列出了各个属性名称及其类别。例如教育背景、生日等基本信息被列出但具体细节未公开。 引用文献为J. McAuley, J. Leskovec发表于NIPS 2012年的论文《Learning to Discover Social Circles in Ego Networks》（页码539-547）。数据集来源于斯坦福大学网络分析平台。
     
  • Flickr的社交网络数据集
    优质
    Flickr的社交网络数据集包含用户间连接和照片标签信息，为研究社交网络结构及图像内容提供了宝贵的资源。 Flickr是一个用户分享图片和视频的社交平台，在这个数据集中，每个节点代表一个Flickr用户，每条边表示两个用户之间的朋友关系。此外，每个节点都有标签来标识用户的兴趣小组。
     
  • 地理社交网络数据集.zip
    优质
    本数据集包含地理社交网络的相关信息，记录了用户的位置标签、好友关系及互动行为，适用于位置感知推荐和社交影响力分析等研究。 Gowalla由196,591个节点和950,327条边组成，在2009年2月至2010年10月期间收集了这些用户的6,442,890个签到位置信息。Brightkite则包括58,228个节点和214,078条边，从2008年4月至2010年10月共收集了用户们的4,491,143个签到记录。
     
  • 数据：部分社交网络的数据
    优质
    本研究利用了特定社交网络平台的部分公开和匿名用户数据，旨在分析社交媒体使用模式及影响。通过挖掘这些海量信息，我们能够洞察人类行为和社会趋势，为改善用户体验、预防网络风险提供科学依据。 数据来源于史诗叙事中的社交网络数据集。这些数据存储在制表符分隔的文件里，并带有以下标题：角色\t友善的边缘\t敌对的边缘。 部分数据集中被划分为几个章节，因此需要查找以“％Scene”、“％Chapter”或“％Book”开头的行来确定界限。此外，还有一些包含随机信息且以“％”符号开始的行，在创建社交网络图时应当忽略这些内容。 节点可以基于不同场景/章节中的出现而具有多个边（遗憾的是，并没有提供冰岛人Sagas中关于权重的数据）。顶点也可能同时拥有指向同一顶点的敌对和友好边缘。通常，敌对链接定义为在叙述中有战斗发生的两个人物之间的关系。 我以《The Táin》为例，在这部作品里主角Cúchulainn杀死了许多角色，但与他们没有其他互动。我希望找到一种方式来表示这种情况，因为它是一种特殊的互动形式，并且不同于一般意义上的社交互动。通常来说，如果两个角色彼此厌恶并经常争论的话，他们的关系仍然会被视为有“友好的优势”，只有当双方进行身体搏斗或一方杀死另一方时才会被视为敌对关系。
     
  • 20万数据集——涵盖文本、时间、转推和回复关系及作者等信息的Twitter社交网络连接数据集，适用于链接预测与信息传播研究
    优质
    这是一个包含20万条记录的数据集，涵盖了Twitter上的文本内容、发布时间、转发及回复关联以及用户信息，非常适合用于进行链接预测和信息传播的研究分析。 Twitter数据集包含20万条记录，每条记录包括文本、时间戳、转推关系、回复关系及作者等相关信息。该数据集中还包括了用户之间的转发连接等社交网络联系信息，适用于进行社交网络数据分析研究、异常检测、事件检测与演化模型分析、情感分析以及链接预测和信息传播等方面的研究。
     
  • 社区发现真实网络数据集_Karate Club和football网络_football数据集_社区发现与网络数据分析.rar
    优质
    本资料包含Karate Club及Football两个经典的真实世界网络数据集，适用于社区发现、社团结构分析等研究。含案例解析与代码实现，助力深入学习网络数据分析技术。 在社区发现领域的实验研究中，常用的真实网络数据集包括football club、dolphins、karate和polbooks。
     
  • 社交媒体数据集
    优质
    社交媒体数据集是指从各类社交平台收集和整理的各种形式的数据集合，包括用户信息、发布内容、互动行为等，用于研究社交媒体影响及开发智能算法。 可以用于复杂网络的学习与研究，例如社团划分的发现等。
     
  • SNScrape：Python中的社交网络数据抓取工具
    优质
    SNScrape是一款用于从社交媒体网站中提取公开数据的Python库。它支持多种平台，如Facebook、Twitter和YouTube等，帮助用户轻松获取网页上的公开信息，适用于数据分析和研究等领域。 抓拍snscrape是一个用于社交网络服务（SNS）的抓取工具，可以刮擦用户个人资料、主题标签或搜索等内容，并返回发现的相关项目，如帖子等。目前支持以下平台： - Facebook：包括用户个人资料、群组和社区（又名访问者帖子） - Instagram：包含用户个人资料、主题标签和位置 - Reddit：涵盖用户、subreddit及通过Pushshift的搜索 - 电报：频道 - Twitter：涉及用户、个人主页、话题标签、搜索项以及列表帖子 - VKontakte：包括用户个人页面 - 微博（新浪微博）：包含用户个人资料 请注意，上述某些功能可能仅在snscrape的当前开发版本中可用。 安装要求： 使用snscrape需要Python 3.8或更高版本。当您通过pip命令进行安装时，它会自动处理所需的Python软件包依赖项。但需注意的是，其中一个依赖项lxml还需要额外安装libxml2和libxslt库。