| 名称 | 格式 | 链接 | 提取码 |
|---|---|---|---|
| unlabeled_status | zip,z01 (2.0 GB) | http://pan.baidu.com/s/1pKKDD0J | a3f2 |
| unlabeled_links | zip,z01/02 (2.5 GB) | http://pan.baidu.com/s/1hsLigAC | v7fz |
| train | zip (19.4 MB) | http://pan.baidu.com/s/1gf4VhDp | dc21 |
| test | zip (7.7 MB) | http://pan.baidu.com/s/1o8ReMIQ | iaex |
| vaild | zip (6.0 MB) | http://pan.baidu.com/s/1pKYkMQB | q5md |
| final_labels | txt (44.5 KB) | https://pan.baidu.com/s/1minoyAO | 8z4x |
用户画像（user profiling）是指对用户的人口统计学特征、行为模式、偏好、观点、目标等进行标签化，是互联网时代实现精准化服务、营销和推荐的必经之路，在网络安全、管理和营运等领域具有重要意义。
微博用户画像是指利用微博用户的内容信息（如发表的微博和评论）、行为记录（如浏览、转发、点赞、收藏等）和链接结构（如用户之间的粉丝关系）等，对用户的不同维度进行画像，对完善及扩充微博用户信息、分析微博生态以及支撑微博业务等方面具有非常重要的意义。
本次使用的数据集中一共包含三类信息：
1、社交关系信息--包含一个约256.7万微博用户构成的社交网络，其中的社交关系可能是单向的（即单向关注，即为粉丝关系）或双向的（即互相关注，即为好友关系）。
2、用户微博信息--包含约4.6万用户的微博文本，这些用户都属于上述社交网络。
3、用户标签信息--包含约5千用户的年龄、性别及地域标签，这些用户都属于上述4.6万带微博文本数据的用户。我们将基于这5千带标签的用户划分训练集、验证集和测试集。
数据集统计信息（大致数据）如下表所示：
| 数据集 | 社交网络规模 | 带微博文本用户数 | 带标签信息用户数 |
|---|---|---|---|
| 训练集 | 256.5万用户，5.5亿关注关系 | 4.4万 | 0.3万 |
| 验证集 | 0.1万用户，15万关注关系 | 0.1万 | 0.1万 |
| 测试集 | 0.1万用户，13万关注关系 | 0.1万 | 0.1万 |
| 总计 | 256.7万用户，5.5亿关注关系 | 4.6万 | 0.5万 |
1、训练集用于模型的学习，验证集用于在线实时评估算法效果，测试集用于最终的效果评测
2、训练集包含了整个数据集社交网络；
3、验证集和测试集的用户标签信息不发布，用于组委会进行在线实时评测和最终评测。
训练集、验证集和测试集都包含有四个文件，其格式如下：
1、info.txt：用户信息文件
每一行代表一个用户，包含三个属性，用||分开。包含的属性依次如下：
uid: 用户唯一标识，由数字组成
screen_name: 用户名，与uid一一对应，None代表此项信息缺失
avatar_large: 用户头像的网址，None代表此项信息缺失
2、labels.txt：用户标签文件
每一行代表一个用户，包含四个属性，用||分开。包含的属性依次如下：
uid: 用户唯一标识，由数字组成
gender: 用户性别，m代表男性，f代表女性，None代表此项信息缺失
birthday: 用户出生年份，None代表此项信息缺失
location: 用户地域，部分用户包含省份和城市信息，部分用户只有省份信息，None代表此项信息缺失
3、links.txt：用户关系文件
每一行代表一个用户的粉丝列表，由多个用户id组成，以空格分隔，从第二个用户到最后一个用户均为第一个用户的粉丝
4、status.txt：微博文本文件
每一行代表一条用户微博，由6个属性组成，以英文逗号分隔。包含的属性依次如下：
uid: 用户唯一标识，由数字组成
retweet count: 转发数，数字
review count: 评论数，数字
source: 来源，文本
time: 创建时间，时间戳文本(目前有两种格式，yyyy-MM-dd HH:mm:ss和yyyy-MM-dd HH:mm)
content: 文本内容（可能包含@信息、表情符信息等）
主办单位
中国中文信息学会社会媒体处理专业委员会
协办单位
北京创新乐知信息技术有限公司（CSDN）
评测主席
蒋盛益广东外语外贸大学
万怀宇北京交通大学
评测委员：（按姓氏笔画排序）
王军伟北京创新乐知信息技术有限公司（CSDN）
左建平北京创新乐知信息技术有限公司（CSDN)
刘 洋山东大学
刘德喜江西财经大学
沙 灜中国科学院信息工程研究所
胡 照江西萍乡检察院
蔡 超中国国防科技信息中心
薛 云华南师范大学