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

google_dataset
2024-04-04 更新
浏览 2
表格分类experimental results showclassify disaster databetter automatic systemsaid disaster detectionsocial media platformssocial mediastandard datasetpublic opinionprovide stateproposed modelsprevious stateprevention efforts
Experiments details of Covid-19 dataset.

基本信息

模态
表格
大小
0.000009728 GB
任务类型
分类
许可
CC BY 4.0
创建/更新时间
2024-04-04
版本
v1

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

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取(Figshare)

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。