Twitter地理定位信息数据集

订阅方案：

普通用户：

￥30.00

VIP用户：

￥0.00

联系客服查看订阅方案

所属分类：综合数据标签：（无）

来源： Moonapi

更新时间： 2024-04-28 最新数据时间：自动更新

数据集简介：

该数据集是与学术项目协调使用的公共推特更新的集合，用于研究与推特相关的地理定位数据。训练集包含 115,886 个 Twitter 用户和来自用户的 3,844,612 个更新。用户的所有位置都在美国以城市级粒度进行自我标记。测试集包含 5,136 个 Twitter 用户和来自用户的 5,156,047 条推文。用户的所有位置都是从他们的智能手机以“UT：纬度，经度”的形式上传的。 Plea

展开

质量保证
免费样本数据
免费数据更新
提供发票

数据集概览(文件数量，文件种类，数据集行列数)，数据集示例数据请查看下方数据集介绍或联系客服索取

数据集介绍
订阅方案
问题反馈

Twitter地理定位信息数据集简介

该数据集是与学术项目协调使用的公共推特更新的集合，用于研究与推特相关的地理定位数据。训练集包含 115,886 个 Twitter 用户和来自用户的 3,844,612 个更新。用户的所有位置都在美国以城市级粒度进行自我标记。测试集包含 5,136 个 Twitter 用户和来自用户的 5,156,047 条推文。用户的所有位置都是从他们的智能手机以“UT：纬度，经度”的形式上传的。

Please cite the following paper when using the dataset.

Z. Cheng, J. Caverlee, and K. Lee. You Are Where You Tweet: A Content-Based Approach to Geo-locating Twitter Users. In Proceeding of the 19th ACM Conference on Information and Knowledge Management (CIKM), Toronto, Oct 2010. (Bibtex)

预测社交网络（例如Twitter)上用户的地理位置是近期的热门研究主题，已经提出了多种方法。大多数现有的研究都遵循基于内容或基于连接两种方法：前者基于用户生成的内容，而后者发掘用户之间社交网络的结构。

多入口神经网络结构

有一种更通用的方法，这种方法不仅包含前述两种方法，还融入了其他可获取的信息去创建一个统一的模型。这种叫Multi-Entry Neural Network (MENET)的方法，利用了最新的深度学习和多视角学习成果。

利用文本，网络，和原始数据特征来实现的MENET方法，能有效发掘Twitter用户的地理位置，在2个公认的数据集上实现了应用的最高水准。