数据集概述
本数据集为论文《A Predictive Method to Improve the Effectiveness of Twitter Communication in a Cultural Heritage Scenario》配套实验数据，包含23家世界知名艺术博物馆的约4万条推文提取特征，按粉丝量分为5个博物馆组，提供内容、上下文、用户三类特征，用于预测推文传播效果及优化建议。
文件详解
- 文件名称：
museum-tweet-threads.zip
- 文件格式：ZIP
- 字段映射介绍：
- 内容特征：
- 可数特征：推文内的标签数、URL数、图片数、提及数、文本长度
- 开关特征：是否含感叹号、问号、人名、地名、机构名、其他名称，主题密度（标签数>5为1）、情感倾向（正/负/中性）
- 上下文特征：推文发布时段（早/午/晚/夜）、是否为转发
- 用户特征：博物馆名称、粉丝数量
数据来源
论文"A Predictive Method to Improve the Effectiveness of Twitter Communication in a Cultural Heritage Scenario"
适用场景
- 社交媒体传播效果预测：利用推文特征预测Twitter内容的用户互动（点赞、分享）可能性
- 文化遗产机构社交媒体策略优化：分析影响推文成功的关键特征，为博物馆提供内容优化建议
- 社交媒体用户行为分析：研究不同粉丝量级博物馆的推文特征差异及传播规律
- 机器学习模型训练：基于提取特征构建可解释的推文效果预测模型
- 文化传播数字化研究：探索社交媒体在文化遗产传播中的作用机制与优化路径
