COVID-19 日本語Twitterデータセット

COVID-19（コロナウィルス）に関係するツイートかどうかをクラウドソーシングにより分析し，分析結果を公開しています．

データのダウンロード

データはCSVファイルで圧縮されています．ツイートの本文は含まれていません． 2020年1月ごろから6月ごろのツイートを対象にしています．

データ内容

53,640 件のツイートの分析が行われています．5名〜10名の作業者により評価を行い，多数決を行った結果です．対象となるツイートは，「COVID」もしくは「コロナ」を含むツイートです．ニコニコ動画について（niCOVIDeo）や，コロナビールについてなど，COVID-19に関係しないツイートも含まれます．

データの構造

1列目: ツイートの ID です．Twitter API などを利用して取得を行ってください．このサイトでは著作権などの理由により，ツイート本体は配布していません．
2列目: 選択結果です．次のような意味を持ちます
63 は一般事実：ニュースなど，一般的に公表されている情報
64 は個人事実：個人的なニュース．たとえば隣の家の○○さんがコロナに感染したらしい，など，ニュースになっていない情報．
65 は意見・感想
66 は関係あるかどうか判定困難（67関係無しは確定しているが，63,64,65を判別できない）
67 は関係無し
68 は事実のうち一般事実・個人事実・感想かを判定困難（63〜65, 67を判別できないので関係無しかもしれない）

事実と感想が含まれているツイートの場合は，感想となる場合が多いです．たとえば，「給付金が給付されたが私のところには来ないのは許せない」というツイートがあったとき，給付金が給付されないというのは個人事実に相当しますが，それに対する意見・感想として「許せない」と書かれているので，この場合は意見・感想(65) になります．

ライセンス

CC-BY-ND 4.0に準拠します．
商用を含むどのような目的でも，このデータを利用することができます．
再配布は可能です．ただし，再配布の際にデータ内容に変更を加えてはいけません．また，配布元のページ（このページ）のURLなどを明記してください．
論文などで公表していただく場合には，謝辞もしくは参考文献，脚注などで触れてもらえると助かります．ただし，必須ではありません．
研究で利用された場合，論文情報を ysuzuki at gifu-u.ac.jp まで頂けましたら本ページに掲載いたします．ただし，必須ではありません．

引用について

このデータに関係する論文はまだ公開されていません．「鈴木優: COVID-19 日本語 Twitter データセット

データ構築について

このデータを作成するにあたり，大川情報通信基金研究助成を活用しました．感謝いたします．

参考

データ作成者が日本語BERT訓練済みモデルを用いて分類を行ったところ，10交差検定で Accuracy 0.668，F1-score 0.826 という結果が出ました．

連絡先

ysuzuki at gifu-u.ac.jp