Hugging Face ha publicado un dataset de 5.600 millones de videos de TikTok, diseñado para la investigación en ciencias de la computación y el análisis de datos. Este recurso, que forma parte de la colección 'Datasets at Hugging Face', ofrece una estructura de datos normalizada que permite a los investigadores estudiar patrones de comportamiento, tendencias de contenido y métricas de engagement a gran escala. El conjunto de datos incluye campos esenciales como el identificador único del video, la fecha de publicación, el país de origen y el idioma, así como metadatos técnicos como la duración, la resolución y el número de imágenes. Además, el dataset captura métricas de interacción detalladas, incluyendo vistas, me gusta, comentarios, comparticiones, guardados y descargas, junto con la tasa de engagement calculada. La estructura también incorpora información sobre el contexto de la publicación, como la presencia de texto en pantalla, hashtags, menciones y sonidos, así como indicadores de si el contenido es publicidad, contenido patrocinado o generado por inteligencia artificial. Esta normalización permite a los desarrolladores y científicos de datos integrar este recurso en sus pipelines de análisis, facilitando tareas como la detección de tendencias virales, el análisis de algoritmos de recomendación o la evaluación de la efectividad de campañas de marketing digital. La disponibilidad de este dataset de alta calidad y volumen en una plataforma accesible como Hugging Face posiciona a la comunidad de investigación en una posición privilegiada para explorar la complejidad de las plataformas de video social a través de datos estructurados y estandarizados.
Noticias agregadas con IA