DiPD：基于 Twitter 的破坏性事件预测数据集
社会与信息网络
2021-12-01 v1 计算与语言
信息检索
机器学习
摘要
骚乱和抗议若失控，可在一个国家内造成浩劫。我们已见到诸多此类例子，如 BLM 运动、气候罢工、CAA 运动等，均造成了大范围的破坏。我们创建该数据集的动机在于将其用于开发机器学习系统，使使用者能够洞察正在发生的趋势性事件，并就可能导致国家动荡的事件发出警报。若任一事件开始失控，可通过在事态升级前加以监控来予以处理和缓解。该数据集收集了已知曾造成破坏的过去或正在进行事件的推文，并将这些推文标注为 1。我们还收集了被视为无事件发生的推文并标注为 0，以便也可用于训练分类系统。数据集包含 94855 条独特事件记录和 168706 条独特非事件记录，总计 263561 条记录。我们从推文中提取了多项特征，如用户粉丝数和用户地理位置，以理解推文的影响与传播范围。该数据集或可用于各类与事件相关的机器学习问题，如事件分类、事件识别等。
引用
@article{arxiv.2111.15629,
title = {DiPD: Disruptive event Prediction Dataset from Twitter},
author = {Sanskar Soni and Dev Mehta and Vinush Vishwanath and Aditi Seetha and Satyendra Singh Chouhan},
journal= {arXiv preprint arXiv:2111.15629},
year = {2021}
}