GeoCoV19
包含5.24亿条多语言COVID-19推文及地理位置信息的大型数据集，用于疾病预测和监控。
基本信息
资源简介
GeoCoV19是一个由卡塔尔计算研究机构创建的大型Twitter数据集，包含超过5.24亿条多语言COVID-19相关推文，覆盖2020年2月1日起90天的时间范围。数据集通过关键词和标签收集，并采用基于地名词典的方法推断地理位置，约94%的推文带有位置信息。该数据集适用于疾病预测、监控模型构建、假新闻识别等研究，旨在提升对全球危机的集体应对能力。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
暂未开放有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
源站：https://crisisNLP.qcri.org/covid19
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
GeoCoV19是一个由卡塔尔计算研究机构创建的大型Twitter数据集，包含超过5.24亿条多语言COVID-19相关推文，覆盖2020年2月1日起90天的时间范围。数据集通过关键词和标签收集，并采用基于地名词典的方法推断地理位置，约94%的推文带有位置信息。该数据集适用于疾病预测、监控模型构建、假新闻识别等研究，旨在提升对全球危机的集体应对能力。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 新型冠状病毒肺炎 的高质量、多模态真实临床数据定制解决方案。
