黑客新闻平台内容分析语料库数据集-2006至2023
数据来源：互联网公开数据
标签：黑客新闻,计算机科学,创业,数据集,社交媒体,用户行为,新闻分析
数据概述：
本数据集包含 hacker news 自2006年成立以来约四分之一的故事和评论的随机样本。hacker news 是一个专注于计算机科学和创业的社交新闻网站，由保罗·格雷厄姆的投资基金和创业孵化器 Y Combinator 运营。网站内容主要是能够满足人们好奇心的各类信息。
数据集中的每篇故事包含故事ID、发布者、发布时间以及故事获得的积分数量等信息。需要注意的是，文本字段中可能包含不当语言，所有文本均为作者自写，不代表 Kaggle 或 hacker news 的立场，并未经过任何背书。
数据来源方面，该数据集由 hacker news 在 MIT 许可证下公开提供。
数据用途概述：
该数据集适用于用户行为分析、新闻内容分析、社交媒体研究等多种场景。研究者可以利用此数据探索 hacker news 是否被一小部分用户主导；分析该网站是否对 Y Combinator 创业公司存在偏见；研究 hacker news 的报道量是否能预测创业公司的成功等。此外，数据集还适合用于教育和培训，帮助学习者了解新闻网站的内容构成和用户行为模式。该数据集在 Kaggle 上可以用于分析、分享和讨论，同时也可在 BigQuery 上进行更大规模和实时更新的数据分析，BigQuery 版本的数据量约为本数据集的四倍。
