BLM-17m：用于 Twitter 上 Black Lives Matter 话题检测的大规模数据集
计算与语言
2023-10-18 v3 信息检索
机器学习
摘要
人权保护是我们世界最重要的问题之一。本文旨在提供一个覆盖近月影响全球的最重大人权矛盾之一——George Floyd 事件的数据集。我们提出一个包含 1700 万条推文的用于话题检测的标注数据集。这些推文收集自 2020 年 5 月 25 日至 2020 年 8 月 21 日，覆盖该事件起始以来的 89 天。我们通过监测全球与本地报纸的最热门新闻话题对数据集进行标注。此外，我们给出两条基线：TF-IDF 与 LDA。我们以三个不同 k 值就精确率、召回率与 f1-score 指标评估了这两种方法的结果。所收集数据集可在 https://github.com/MeysamAsgariC/BLMT 获取。
引用
@article{arxiv.2105.01331,
title = {BLM-17m: A Large-Scale Dataset for Black Lives Matter Topic Detection on Twitter},
author = {Hasan Kemik and Nusret Özateş and Meysam Asgari-Chenaghlu and Yang Li and Erik Cambria},
journal= {arXiv preprint arXiv:2105.01331},
year = {2023}
}