復(fù)旦大學(xué)網(wǎng)絡(luò)大數(shù)據(jù)實(shí)驗(yàn)室牽頭完成的論文FediData: A Comprehensive Multi-Modal Fediverse Dataset from Mastodon，于2025年11月發(fā)表于第34屆ACM國(guó)際信息與知識(shí)管理會(huì)議(CIKM'25)的Resource Track。該數(shù)據(jù)集針對(duì)去中心化在線社交網(wǎng)絡(luò)（Decentralized Online Social Networks，簡(jiǎn)稱DOSN）中數(shù)據(jù)分散且多模態(tài)內(nèi)容缺乏統(tǒng)一標(biāo)準(zhǔn)的問題，基于代表性去中心化社交網(wǎng)絡(luò)Mastodon，設(shè)計(jì)并構(gòu)建了一個(gè)包含用戶個(gè)人資料、文本、圖像及社交互動(dòng)等多模態(tài)信息的綜合數(shù)據(jù)集。FediData不僅整合了分布在Mastodon不同實(shí)例中的用戶數(shù)據(jù)，還提供了高質(zhì)量的用戶標(biāo)注和規(guī)范化的數(shù)據(jù)結(jié)構(gòu)，為DOSN用戶行為分析、多模態(tài)學(xué)習(xí)及去中心社交網(wǎng)絡(luò)相關(guān)研究提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。論文中，作者設(shè)計(jì)了主題建模、情感分析、社交機(jī)器人檢測(cè)、圖像理解等多項(xiàng)任務(wù)以驗(yàn)證FediData的實(shí)用性，并系統(tǒng)評(píng)估了現(xiàn)有最先進(jìn)方法在該數(shù)據(jù)集上的表現(xiàn)，揭示了DOSN特有的挑戰(zhàn)和難點(diǎn)。所有數(shù)據(jù)和文檔均已公開發(fā)布于Zenodo平臺(tái)，方便學(xué)術(shù)界和工業(yè)界的研究者使用。

本論文作者包括實(shí)驗(yàn)室博士生高敏同學(xué)和實(shí)驗(yàn)室碩士生杜浩然同學(xué)和文雯同學(xué)，共同作者包括賓夕法尼亞州立大學(xué)段強(qiáng)老師。論文共同通訊作者為復(fù)旦大學(xué)計(jì)算與智能創(chuàng)新學(xué)院王新老師和陳陽(yáng)老師。

論文下載鏈接URL：
https://dl.acm.org/doi/10.1145/3746252.3761634

歡迎關(guān)注和使用FediData數(shù)據(jù)集：
https://zenodo.org/records/15621244