[论文解读] A Weibo Dataset for the 2022 Russo-Ukrainian Crisis
本论文介绍了俄罗斯-乌克兰危机微博（RUW）数据集，这是一个公开可用的数据集，包含超过350万条微博评论和27,341条微博帖子，数据源自高互动度用户账号及其评论者，涵盖2022年俄乌危机。该数据集支持中文社交媒体在危机话语、虚假信息和事件理解方面的跨平台研究，主要贡献包括多语言危机数据多样性以及持续的每日更新，以确保时效性。
Online social networks such as Twitter and Weibo play an important role in how people stay informed and exchange reactions. Each crisis encompasses a new opportunity to study the portability of models for various tasks (e.g., information extraction, complex event understanding, misinformation detection, etc.), due to differences in domain, entities, and event types. We present the Russia-Ukraine Crisis Weibo (RUW) dataset, with over 3.5M user posts and comments in the first release. Our data is available at https://github.com/yrf1/RussiaUkraine_weibo_dataset.
研究动机与目标
- 为解决在危机事件中缺乏公开可用的大规模中文社交媒体数据，特别是2022年俄乌冲突相关数据的问题。
- 通过提供现有基于Twitter的危机数据集在微博平台上的对应数据，支持跨平台研究。
- 支持在非英语语境下对虚假信息检测、事件理解以及地缘政治危机期间情绪动态的研究。
- 促进在不同语言和文化条件下，跨平台（如微博与Twitter）的模型可迁移性测试。
- 提供一个持续更新的开放数据集，以支持对危机话语进行实时和纵向分析。
提出的方法
- 使用weibo-scraper库收集微博数据，该库支持通过用户账号查询，并获取帖子、元数据及评论。
- 基于互动量（点赞、转发）和与危机相关热门话题标签的相关性，识别并优先选择前120个活跃的公共用户账号。
- 执行一次传播扩展，纳入所有在这些活跃账号帖子下发表评论的用户，以捕捉更广泛的对话网络。
- 回溯收集自2022年2月24日危机升级前的三个月数据，以包含危机前的讨论内容。
- 随着危机的发展，每日持续更新数据集。
- 分析关键词频率并生成词云，以表征数据集中主导的主题和实体。
实验结果
研究问题
- RQ1中文社交媒体用户如何讨论2022年俄乌危机？其讨论中的主导主题和关键实体是什么？
- RQ2在基于Twitter的危机数据上训练的模型，在中文社交媒体平台（如微博）上能多大程度上实现泛化？
- RQ3在重大地缘政治危机期间，微博讨论中的关键语言和行为模式是什么，特别是在情绪、虚假信息和信息传播方面？
- RQ4用户互动指标（如点赞、转发）与微博帖子中特定实体（如乌克兰、俄罗斯、普京、泽连斯基）的突出程度之间存在何种相关性？
- RQ5在国际危机期间，国家支持或受国家影响的叙事在塑造微博话语方面发挥了何种作用？
主要发现
- RUW数据集包含超过27,341条微博帖子和超过350万条评论，来自107,797个独立用户，自2022年2月起持续收集，并包含此前三个月的回溯数据。
- 出现频率最高的关键词为“乌克兰”（120,436条帖子）、“俄罗斯”（95,845条帖子）和“俄乌”（53,164条帖子），表明冲突核心参与方是讨论焦点。
- 领导人如“普京”和“泽连斯基”分别出现在约21,000条和18,000条帖子中，反映出公众对政治人物的高度关注。
- 次要主题如“北约”（10,025条帖子）和“ sanctions”（在词云中显著突出）表明对国际联盟和经济措施的广泛讨论。
- 数据集包含多样化的用户生成内容，包括文字、图片和视频，并为每条帖子和评论提供了丰富的元数据，如点赞数和转发数。
- 该数据集公开可用，并每日更新，支持对危机话语进行纵向和实时分析。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。