标签：https com healthcare 用户 analysis behavior Social 数据 ID
1、Depression Intensity Estimation via Social Media: A Deep Learning Approach（通过社交媒体估计抑郁强度:一种深度学习方法）
数据集大小：205G
数据集介绍：Twitter用户及推文，该数据集由总共 6562 个用户组成，其中 1402 个被标记为抑郁，5160 个被 标记为非抑郁，以及总共 4 245 747 条推文，其中 292 564 条为抑郁用户，3 953 183 条为非抑郁用户
数据集链接：
https://mailstsinghuaeducn-my.sharepoint.com/personal/sgy16_mails_tsinghua_edu_cn/_layouts/15/onedrive.aspx?id=%2Fpersonal%2Fsgy16_mails_tsinghua_edu_cn%2FDocuments%2FData%2FDataset.zip&parent=%2Fpersonal%2Fsgy16_mails_tsinghua_edu_cn%2FDocuments%2FData&ga=1
2、The Deep Features and Attention Mechanism-Based Method to Dish Healthcare Under Social IoT Systems: An Empirical Study With a Hand-Deep Local–Global Net（基于深度特征和注意力机制的社交物联网下的医疗服务推送方法:基于手-深局部-全球网络的实证研究）
数据集大小：31.1M
数据集介绍：ISIA food-500:用于大规模食品识别的数据集（原文指出采用这个数据集进行训练）500个类别和不到40万的图片 食物识别数据集
数据集链接：
http://123.57.42.89/Dataset_ict/ISIA_Food500_Dir/dataset/
3、Latent Personality Traits Assessment From Social Network Activity Using Contextual Language Embedding（基于语境语言嵌入的社交网络活动潜在人格特征评估）
数据集大小：59.9M
数据集介绍：该数据集包含超过 8600 行数据，每行是一个人的：
类型（此人的 4 个字母 MBTI 代码/类型）
他们发布的最后 50 条内容的一部分（每个条目由“|||”分隔（3 个竖线字符））
The Myers Briggs Type Indicator (or MBTI for short) is a personality type system that divides everyone into 16 distinct personality types across 4 axis:
Introversion (I) – Extroversion (E)
Intuition (N) – Sensing (S)
Thinking (T) – Feeling (F)
Judging (J) – Perceiving (P)
数据集链接：https://www.kaggle.com/datasets/datasnaek/mbti-type
4、Next and Next New POI Recommendation via Latent Behavior Pattern Inference（基于潜在行为模式推理的Next和Next New POI推荐）
数据集大小：376M
数据集介绍： Foursquare 洛杉矶和 Foursquare 纽约市的两个LBSNs 大规模签到数据集 该 数据 集包 括 由 纽约 的 49， 062 名 用户 生成 的 221， 128 条 提示 和由 洛杉 矶 的 31 ，544 名用 户 生 成 的 104，478 条提示。同时，包含在其他城 市收集这些用户的建议。收集数据时会记录以下信息: 1) 用户配置文件信息，包括用户 ID、姓名和所在城市；2)场 馆简介信息，包括场馆 ID、名称、地址、GPS 坐标及其类 别；以及 3)用户位置历史，由用户留在系统中的所有提示表示。
LBSNs签到:用户标记地点(例如， 餐馆)并在他到达那里时留下一些评论。
数据集链接：
https://www.dropbox.com/s/4nwb7zpsj25ibyh/check-in data.zip
5、When Sentiment Analysis Meets Social Network: A Holistic User Behavior Modeling in Opinionated Data（当情感分析遇到社交网络:一种基于观点数据的整体用户行为模型）
数据集大小：323M
数据集介绍：Amazon和Yelp两个评论数据集，数据集中每个用户都与一组评论相关联，每个评论都包含各种属性，如作者 ID、评论ID、时间戳、文本内容和离散五星范围内的意见评级。Yelp 数据集提供了从用户的 Facebook 好友关系中导入的用户友谊，而Amazon集中没有显式的社交网络。我们 利用“共同购买”信息为亚马逊用户建立网络结构。(原文开发了一个概率生成模型来整合用户的两个伴随学习任务:观点内容建模和社会网络结构建模)
标签：https,com,healthcare,用户,analysis,behavior,Social,数据,ID 来源： https://www.cnblogs.com/lq0710/p/16669023.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。