新冠疫情接触者追踪关联网络数据集COVID-19ContactTracingNetworkDataset-shubhamkarjini
数据来源：互联网公开数据
标签：新冠疫情, 接触者追踪, 社交网络分析, 流行病学, 图神经网络, 关系建模, 数据可视化, 时序分析
数据概述：
该数据集包含来自公共卫生机构的数据，记录了新冠病毒（COVID-19）疫情期间的接触者追踪信息，并将其构建成关联网络。主要特征如下：
时间跨度：数据的时间跨度依赖于具体的时间戳信息，但未直接标明起始和结束时间，需要结合confirmed_date字段进行分析。
地理范围：数据可能覆盖特定地区或城市，如首尔（Seoul），但具体范围取决于数据来源。
数据维度：数据集由两部分组成：
edges_2csv：包含节点间的关系，字段包括id_1（唯一标识符）、Source（源节点ID）、Target（目标节点ID）和Label（关系类型，如“contact with patient”）。
nodes_2csv：包含节点属性，字段包括id_1（唯一标识符）、ID（节点ID）、Label（节点标签，如城市）、age（年龄段）、sex（性别）、state（状态，如“released”）、confirmed_date（确诊日期）、latitude（纬度）、longitude（经度）和month（月份）。
数据格式：数据集以CSV格式提供，包含edges_2csv和nodes_2csv两个文件，便于数据分析和网络构建。数据还包含features.pt文件，可能包含节点或边的特征信息，用于图神经网络等模型。
来源信息：数据来源于公共卫生机构或相关研究机构，已进行匿名化处理，但保留了关键的关联信息。
该数据集适合用于流行病学研究、社交网络分析以及图神经网络模型训练。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于流行病学、公共卫生和社交网络分析领域的学术研究，如疫情传播动力学分析、接触者追踪效率评估、社交网络结构对病毒传播的影响研究等。
行业应用：为公共卫生部门和医疗机构提供数据支持，尤其在疫情风险评估、传播预测、资源分配优化等方面具备实用性。
决策支持：支持公共卫生决策的制定，如隔离政策优化、疫苗接种策略制定等。
教育和培训：作为流行病学、数据科学和社交网络分析等课程的实训材料，帮助学生和研究人员深入理解疫情传播规律。
此数据集特别适合用于探索病毒传播路径、评估接触者追踪策略的有效性、分析人口统计学特征与病毒传播之间的关系，并支持构建预测模型。
