（新鲜和完整）如今，Twitter 数据不容易获得，因为 Twitter 正在积极地将其货币化（通过 GNIP）。Kwak 等人仍然收集了一个大型 Twitter 图表。对于他们的“什么是 Twitter、社交网络或新闻媒体？” WWW'10公开可用，但至于推文，由于 Twitter 的投诉，大多数不错的数据集已从 Internet 上消失。仍然有少量在线可用的推文数据集（例如)，但它们又小又陈旧。因此，我现在看到了两种获取推文的“合法”方法：1）使用新版本的 Twitter API 抓取 Twitter（这种方法的明显限制是您可以发送的请求数量的限制；这种方法不太可能如果您收集原始推文，则为您提供具有代表性的趋势图片，只是因为您没有足够的推文）；2) 从 Twitter (GNIP) 购买数据，这将花费大量金钱。或者，您可以 3) 研究 Twitter API 以获取从中获取“摘要”信息的其他方法，而不是直接推文。例如，他们可能会提供一种方法来检索目前最流行的 10 个哈希标签，甚至可以按地理位置过滤——你不能对结果做太多的数据科学，

您可以从 NIST 获得推文集合（包含 1600 万条推文）。该集合用于微博上的临时搜索任务。 TREC 2011 微博合集