WeiboMM

中文微博多模态数据集：29,612 条微博帖子 + 67,321 张配图，每条帖子附带 15 轮发布后的互动量快照（转发 / 评论 / 点赞），适用于社交媒体热度预测、多模态内容理解、时序建模等研究。

数据规模

项目	数量
帖子	29,612
带图帖子	24,415
图片总数	67,321
唯一用户数	5,436
每条帖子的互动量快照	15 日
图片体积	≈ 14 GB

目录结构

.
├── README.md            # 本数据集卡
├── image                # 图像集（保留约10000张）
├── weibo_data.jsonl     # 主标注文件，每行一条帖子

本仓库仅包含标注文件和部分图片。 图片共 67,321 张（约 14 GB），受huggingface文件夹文件数量限制不能完整上传，如需要完整图像数据请联系2026140643@bupt.cn

字段说明

weibo_data.jsonl 每行是一个 JSON 对象，全部内容包在顶层 data 键下：

{
  "data": {
    "id": "5260197777901304",
    "title": "【宝妈回应1岁宝宝听数学题秒入睡：...】",
    "clean_text": "https://m.weibo.cn/detail/5260197777901304",
    "created_at": "Wed Jan 28 22:59:03 +0800 2026",
    "user": {"id": 1, "followers_count": "1.08亿"},
    "image_count": 3,
    "image_urls": ["images/000001.jpg", "images/000002.jpg", "images/000003.jpg"],
    "metrics_history": [
      {"timestamp": "1", "reposts_count": 11, "comments_count": 10, "attitudes_count": 78},
      {"timestamp": "2", "reposts_count": 15, "comments_count": 11, "attitudes_count": 208}
    ]
  }
}

字段	类型	说明
id	string	微博帖子 ID
title	string	帖子标题 / 话题摘要
clean_text	string	正文（部分记录为原文链接）
created_at	string	发布时间，%a %b %d %H:%M:%S %z %Y 格式
user.id	int	已脱敏。原始 UID 映射为 1..5436 的连续整数，一对一，同一用户在全部记录中编号一致
user.followers_count	string	粉丝数，含中文单位（如 "1.08亿"），需自行解析为数值
image_count	int	配图数量，等于 len(image_urls)
image_urls	list[string]	本仓库内的相对路径，指向 images/ 下的文件，不是远端 URL
metrics_history	list[object]	15 轮互动量快照；timestamp 为采样轮次序号（字符串 "1"~`"15"`），每轮记录累计转发 / 评论 / 点赞数

加载示例

import json
from pathlib import Path
from PIL import Image

records = []
with open("weibo_data.jsonl", encoding="utf-8") as f:
    for line in f:
        records.append(json.loads(line)["data"])

print(len(records), records[0]["user"])

# 读取一条帖子的配图（注意规范化反斜杠）
root = Path(".")
for p in records[1]["image_urls"]:
    img = Image.open(root / p.replace("\\", "/"))
    print(p, img.size)

# 解析中文单位粉丝数
def parse_count(s: str) -> float:
    s = s.strip()
    for unit, mult in (("亿", 1e8), ("万", 1e4)):
        if s.endswith(unit):
            return float(s[:-1]) * mult
    return float(s)

# 构造热度预测样本：用前 k 轮预测后续轮次
k = 5
for r in records[:3]:
    hist = r["metrics_history"]
    past = [(h["reposts_count"], h["comments_count"], h["attitudes_count"]) for h in hist[:k]]
    future = hist[k:][-1]
    print(r["id"], "past:", past, "-> final:", future)

脱敏说明

user.id 已做不可逆替换：按用户首次出现顺序，将原始 UID 依次映射为从 1 开始的连续整数，映射一对一且在同一份数据内稳定。映射表不随数据集发布。

使用限制

• 数据来自微博公开内容，仅限非商业学术研究使用；二次分发请遵循同等限制。
• 图片版权归原作者所有，数据集仅作研究用途收录。
• user.id 已脱敏，无法还原真实账号。
• metrics_history 反映的是采集时刻的互动量快照，不代表最终状态。

引用

如使用本数据集，请注明来源。