Covid-19 数据集实验详情
源站描述围绕自然灾害与危机管理,提出利用域适应的增强阿拉伯语灾难数据分类模型,并使用从 Twitter 收集的阿拉伯语灾难标准数据集进行测试,实验结果表明所提模型显著优于此前最先进结果

基本信息
资源简介
Covid-19 数据集实验详情
Experiments details of Covid-19 dataset.
该数据集为 Covid-19 数据集实验详情,来自 plos.figshare.com,仅含 1 个文件(Table 5.xls),由 Abdullah M. Moussa 等 7 位作者于 2024-04-04 发布,DOI 为 10.1371/journal.pone.0301255.t005。源站描述围绕自然灾害与危机管理,提出利用域适应的增强阿拉伯语灾难数据分类模型,并使用从 Twitter 收集的阿拉伯语灾难标准数据集进行测试,实验结果表明所提模型显著优于此前最先进结果。该数据可用于复现或核查相关分类实验的表格结果(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
源站首次发布:2024-04-04。
【数据内容】
源站描述(机器翻译,仅供参考):自然灾害,如流行病和地震,是造成痛苦和伤亡的一些主要原因。在处理这类问题时,政府危机管理流程至关重要。社交媒体平台是获取时事和公众舆论的主要信息来源之一。因此,它们已被广泛用于协助灾难检测和预防工作。所以,始终需要更好的自动系统来检测和分类社交媒体中的灾难数据。在这项工作中,我们提出了增强的阿拉伯语灾难数据分类模型。所建议的模型利用域适应来提供最先进的准确率。我们使用从 Twitter 收集的阿拉伯语灾难数据标准数据集来测试所提出的模型。实验结果表明,所提供的模型显著优于先前的最先进结果。
【数据结构与技术规格】
文件数 1 个,合计 9.73 KB。数据集 DOI:10.1371/journal.pone.0301255.t005。
【主题与分类】
源站学科分类:Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer、Science Policy。主题标签:experimental results show、classify disaster data、better automatic systems、aid disaster detection、social media platforms、social media、standard dataset、public opinion、provide state、proposed models。本站分类:感染性疾病。
【适用方向】
源站学科分类标注为 Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer、Science Policy。
【获取与许可】
源站页面:https://plos.figshare.com/articles/dataset/Experiments_details_of_Covid-19_dataset_/25544655
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Moussa, Abdullah M.; Abdou, Sherif; Elsayed, Khaled M.; Rashwan, Mohsen; Asif, Amna; Khatoon, Shaheen; et al. (2024). Experiments details of Covid-19 dataset.. PLOS ONE. Dataset
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取(Figshare)
- 源站标题:Experiments details of Covid-19 dataset.
- DOI:10.1371/journal.pone.0301255.t005
- 发布日期:2024-04-04
- 文件数:1 个
- 文件总体积:9.73 KB
- 源站页面:https://plos.figshare.com/articles/dataset/Experiments_details_of_Covid-19_dataset_/25544655
命令行下载
curl -L -o "Table 5.xls" "https://ndownloader.figshare.com/files/45456780"
文件清单
Table 5.xls(9.73 KB)
文件总体积 9.73 KB(源站 API 实测)。
数据说明
自然灾害,如大流行病和地震,是造成痛苦和伤亡的一些主要原因。政府在处理这类问题时,危机管理过程至关重要。社交媒体平台是获取时事信息和公众舆论的主要来源之一。因此,它们已被广泛用于协助灾害检测和预防工作。因此,始终需要更好的自动系统来检测和分类社交媒体上的灾害数据。在这项工作中,我们提出了增强的阿拉伯语灾害数据分类模型。所建议的模型利用领域适应来提供最先进的准确性。我们使用从Twitter收集的阿拉伯语灾害数据的标准数据集来测试所提出的模型。实验结果表明,所提供的模型显著优于之前的最先进结果。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0301255.t005(source: https://plos.figshare.com/articles/dataset/Experiments_details_of_Covid-19_dataset_/25544655)。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




