復旦大學網(wǎng)絡大數(shù)據(jù)實驗室牽頭完成的論文FediData: A Comprehensive Multi-Modal Fediverse Dataset from Mastodon，于2025年11月發(fā)表于第34屆ACM國際信息與知識管理會議(CIKM'25)的Resource Track。該數(shù)據(jù)集針對去中心化在線社交網(wǎng)絡（Decentralized Online Social Networks，簡稱DOSN）中數(shù)據(jù)分散且多模態(tài)內(nèi)容缺乏統(tǒng)一標準的問題，基于代表性去中心化社交網(wǎng)絡Mastodon，設計并構建了一個包含用戶個人資料、文本、圖像及社交互動等多模態(tài)信息的綜合數(shù)據(jù)集。FediData不僅整合了分布在Mastodon不同實例中的用戶數(shù)據(jù)，還提供了高質(zhì)量的用戶標注和規(guī)范化的數(shù)據(jù)結構，為DOSN用戶行為分析、多模態(tài)學習及去中心社交網(wǎng)絡相關研究提供了堅實的數(shù)據(jù)基礎。論文中，作者設計了主題建模、情感分析、社交機器人檢測、圖像理解等多項任務以驗證FediData的實用性，并系統(tǒng)評估了現(xiàn)有最先進方法在該數(shù)據(jù)集上的表現(xiàn)，揭示了DOSN特有的挑戰(zhàn)和難點。所有數(shù)據(jù)和文檔均已公開發(fā)布于Zenodo平臺，方便學術界和工業(yè)界的研究者使用。

本論文作者包括實驗室博士生高敏同學和實驗室碩士生杜浩然同學和文雯同學，共同作者包括賓夕法尼亞州立大學段強老師。論文共同通訊作者為復旦大學計算與智能創(chuàng)新學院王新老師和陳陽老師。

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

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