数据集

名称 格式 链接 提取码
unlabeled_status zip,z01 (2.0 GB) http://pan.baidu.com/s/1pKKDD0J a3f2
unlabeled_links zip,z01/02 (2.5 GB) http://pan.baidu.com/s/1hsLigAC v7fz
train zip (19.4 MB) http://pan.baidu.com/s/1gf4VhDp dc21
test zip (7.7 MB) http://pan.baidu.com/s/1o8ReMIQ iaex
vaild zip (6.0 MB) http://pan.baidu.com/s/1pKYkMQB q5md
final_labels txt (44.5 KB) https://pan.baidu.com/s/1minoyAO 8z4x

背景简介

用户画像(user profiling)是指对用户的人口统计学特征、行为模式、偏好、观点、目标等进行标签化,是互联网时代实现精准化服务、营销和推荐的必经之路,在网络安全、管理和营运等领域具有重要意义。

 微博用户画像是指利用微博用户的内容信息(如发表的微博和评论)、行为记录(如浏览、转发、点赞、收藏等)和链接结构(如用户之间的粉丝关系)等,对用户的不同维度进行画像,对完善及扩充微博用户信息、分析微博生态以及支撑微博业务等方面具有非常重要的意义。

数据描述

本次使用的数据集中一共包含三类信息:

1、社交关系信息--包含一个约256.7万微博用户构成的社交网络,其中的社交关系可能是单向的(即单向关注,即为粉丝关系)或双向的(即互相关注,即为好友关系)。


2、用户微博信息--包含约4.6万用户的微博文本,这些用户都属于上述社交网络。


3、用户标签信息--包含约5千用户的年龄、性别及地域标签,这些用户都属于上述4.6万带微博文本数据的用户。我们将基于这5千带标签的用户划分训练集、验证集和测试集。


数据集统计信息(大致数据)如下表所示:

数据集 社交网络规模 带微博文本用户数 带标签信息用户数
训练集 256.5万用户,5.5亿关注关系 4.4万 0.3万
验证集 0.1万用户,15万关注关系 0.1万 0.1万
测试集 0.1万用户,13万关注关系 0.1万 0.1万
总计 256.7万用户,5.5亿关注关系 4.6万 0.5万

说明:

1、训练集用于模型的学习,验证集用于在线实时评估算法效果,测试集用于最终的效果评测

2、训练集包含了整个数据集社交网络;

3、验证集和测试集的用户标签信息不发布,用于组委会进行在线实时评测和最终评测。


训练集、验证集和测试集都包含有四个文件,其格式如下:

1、info.txt:用户信息文件

 每一行代表一个用户,包含三个属性,用||分开。包含的属性依次如下:

uid: 用户唯一标识,由数字组成

screen_name: 用户名,与uid一一对应,None代表此项信息缺失

avatar_large: 用户头像的网址,None代表此项信息缺失

2、labels.txt:用户标签文件

 每一行代表一个用户,包含四个属性,用||分开。包含的属性依次如下:

uid: 用户唯一标识,由数字组成

gender: 用户性别,m代表男性,f代表女性,None代表此项信息缺失

birthday: 用户出生年份,None代表此项信息缺失

location: 用户地域,部分用户包含省份和城市信息,部分用户只有省份信息,None代表此项信息缺失

3、links.txt:用户关系文件

每一行代表一个用户的粉丝列表,由多个用户id组成,以空格分隔,从第二个用户到最后一个用户均为第一个用户的粉丝

4、status.txt:微博文本文件

每一行代表一条用户微博,由6个属性组成,以英文逗号分隔。包含的属性依次如下:

uid: 用户唯一标识,由数字组成

retweet count: 转发数,数字

review count: 评论数,数字

source: 来源,文本

time: 创建时间,时间戳文本(目前有两种格式,yyyy-MM-dd HH:mm:ss和yyyy-MM-dd HH:mm)

content: 文本内容(可能包含@信息、表情符信息等)

数据提供

主办单位

中国中文信息学会社会媒体处理专业委员会


协办单位

北京创新乐知信息技术有限公司(CSDN)

评测主席

蒋盛益广东外语外贸大学

万怀宇北京交通大学

评测委员:(按姓氏笔画排序)

王军伟北京创新乐知信息技术有限公司(CSDN)


左建平北京创新乐知信息技术有限公司(CSDN)

刘 洋山东大学


刘德喜江西财经大学

沙 灜中国科学院信息工程研究所


胡 照江西萍乡检察院


蔡 超中国国防科技信息中心

薛 云华南师范大学