基于地理社交媒体信号的新冠预测多模态图数据集
该数据集为复现一项多模态图神经网络流行病学预测研究而构建，包含空间邻接、移动网络、语义相似度和随机基线等多种关系图结构，并提供 COVID-19 病例数、地理社交媒体信号及随机时间序列等节点级特征
基本信息
资源简介
基于地理社交媒体信号的新冠预测多模态图数据集
Multimodal Graph Datasets for COVID-19 Forecasting using Geo-Social Media Signals
该数据集为复现一项多模态图神经网络流行病学预测研究而构建，包含空间邻接、移动网络、语义相似度和随机基线等多种关系图结构，并提供 COVID-19 病例数、地理社交媒体信号及随机时间序列等节点级特征。数据覆盖区域级 COVID-19 预测场景，可用于在不同关系与特征配置下评估多模态 GNN 模型的预测表现，并支持受控对比实验（来源 DOI 解析）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含复现以下研究结果所需的预处理图数据集：“Comparative Evaluation of Geo-Social Media Signals in Multimodal Graph-Based Epidemiological Forecasting”，作者为 Dorian Arifi、Devika Jain、Mauricio Santillana 和 Bernd Resch。数据集包含多种关系图构建，包括空间邻接、移动网络、语义相似度和随机基线结构。此外，它还提供节点级特征，如 COVID-19 病例数、地理社交媒体信号以及用于受控比较的随机时间序列。这些数据支持在不同关系和特征配置下评估用于区域 COVID-19 预测的多模态图神经网络（GNN）模型。
【主题与分类】
主题标签：Computer and Information Science、Graph Neural Networks。本站分类：感染性疾病。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XZVO5I
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
源站：https://doi.org/10.7910/DVN/XZVO5I
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:
数据集大小约 720.3 MB。
数据说明
该数据集包含复现以下研究结果所需的预处理图数据集：“Comparative Evaluation of Geo-Social Media Signals in Multimodal Graph-Based Epidemiological Forecasting”，作者为 Dorian Arifi、Devika Jain、Mauricio Santillana 和 Bernd Resch。该数据集包含多种关系图构建方式，包括空间邻接、流动性网络、语义相似性和随机基线结构。此外，它还提供节点级特征，如 COVID-19 病例数、地理社交媒体信号以及用于受控比较的随机时间序列。这些数据支持评估多模态图神经网络（GNN）模型在不同关系和特征配置下进行区域 COVID-19 预测的表现。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
