摘要：新闻传播效果数据集是一个面向数字新闻传播、受众行为分析与传播效果评估的大规模结构化数据集，共包含100,000条新闻传播与用户互动记录以及47个属性。
数据集概述
新闻传播效果数据集是一个面向数字新闻传播、受众行为分析与传播效果评估的大规模结构化数据集，共包含100,000条新闻传播与用户互动记录以及47个属性。数据内容覆盖新闻主题、标题、内容类型、发布来源、发布时间、平台类型、中国区域信息以及用户曝光、点击、点赞、评论、分享、收藏和停留时长等多维特征，同时引入情感倾向、用户活跃度、媒体丰富度和传播效果指标，能够较为完整地刻画新闻内容从发布、触达受众到产生互动和形成传播效果的全过程，为新闻传播规律研究和数据驱动型媒体分析提供较为丰富的数据基础。
数据结构与关键特征
该数据集的数据结构由新闻内容特征、发布特征、用户行为特征、互动特征和传播效果特征等多个维度组成。新闻内容层面包含标题、主题、类别、内容类型、可读性评分、情感得分以及标题情感偏向等信息；发布层面包含来源、平台、发布时间、星期、发布频率、平台优先级和区域等变量；用户行为层面记录用户ID、会话ID、设备类型、历史互动长度、历史平均参与度和用户活跃水平；互动层面则包含曝光量、点击次数、点击率、点赞数、评论数、分享数、收藏数、停留时间、互动总量和互动率等指标。此外，数据集中还设置了communication_effect_core、effectiveness_label和reward等综合传播效果变量，可用于构建新闻传播效果的量化评价与预测模型。
应用价值与研究方向
该数据集具有较强的新闻传播学研究价值和机器学习应用价值，可用于分析新闻主题、内容形式、情感倾向、发布时间、平台差异及区域因素对用户互动和传播效果的影响，并进一步研究不同受众行为特征与新闻传播结果之间的关系。在应用层面，可开展新闻点击率预测、用户参与度预测、传播效果分类、热点内容识别、新闻推荐、用户兴趣建模、平台传播效率比较以及区域传播差异分析等任务；同时还可以结合回归、分类、聚类、特征重要性分析和深度学习方法，挖掘影响新闻传播效果的关键因素，为媒体内容优化、新闻发布策略制定、精准传播和智能推荐系统建设提供数据支持。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-528
文件大小：13M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)