CnOpenData维基百科每小时页面视图时间序列数据收录了2024年1月整月期间，全球范围内被高频访问的维基百科页面的逐小时精确浏览量数据。该数据集以结构化时间序列的形式，记录了不同语言版本（域名）下特定页面的标题及其在一天24小时中每个整点时刻的独立访问量。该数据集为深入分析维基百科页面浏览行为、用户兴趣变化以及特定页面的访问趋势提供了强有力的数据支持。
数据独特性
- 高时间分辨率与完整月度覆盖：本数据集提供每小时级别的页面浏览数据，且完整覆盖2024年1月整个自然月。这种细粒度的时间序列使得分析者能够追踪日内关注度变化、识别流量峰值的确切时间点（如特定新闻发布后的小时级反应），并进行精确的周期（如日周期、周周期）分析。相较于仅提供日度或月度聚合数据的公开数据集，本数据在时间维度上的分辨率具有显著优势，为微观行为研究和实时趋势捕捉提供了可能。
- 聚焦热门页面，数据价值密度高：数据经过严格筛选，每日文件仅收录至少被浏览10次的页面，日均数据量高达500-600万条。这意味着每条记录都代表着当月受到显著公众关注的主题、人物或事件。对于研究特定时期的社会热点、流行文化趋势、重大新闻事件的全球传播与影响，本数据集提供了经过预筛选的高价值、高信噪比的分析对象，能有效提升研究效率与分析深度。
- 跨语言/地域维度的标准化结构：数据通过 domain_code 字段清晰标识了页面的所属维基百科子项目。这种标准化的结构允许研究者便捷地进行跨语言、跨文化比较研究，例如分析同一国际事件在不同语言用户群体中关注度的时空差异，或探究特定文化主题在其主要语言社区内的活跃度。
数据应用价值
- 社会趋势与公众注意力研究：研究人员可以利用本数据，定量分析2024年1月期间全球网民的集体兴趣焦点。通过追踪特定页面标题的浏览量时间序列，可以实证研究公众注意力的形成、演变与衰减规律，为传播学、社会学及公共政策研究提供数据支持。
- 网络流量预测与平台运营分析：互联网企业及维基百科自身的运营团队可将此数据用于构建和验证网络流量预测模型。小时级的序列数据是训练机器学习模型预测未来流量高峰、优化服务器资源分配、制定内容推荐策略的理想输入。数据中蕴含的周期性模式对提升预测准确性至关重要。
- 数字人文与计算社会科学探索：本数据集为数字人文和计算社会科学提供了丰富的实证材料。学者可结合页面标题对应的知识实体，研究文化现象的在线影响力、历史人物或事件的当代网络关注度变迁，甚至通过多语言数据对比，分析知识消费与传播中的文化偏见或地域差异。
该数据以其小时级的高时间分辨率、对热门页面的聚焦、以及标准化的跨语言结构，为学术界和产业界提供了一个独特而强大的分析工具。无论是用于揭示公众注意力的微观动态，还是服务于网络基础设施的智能优化，亦或是支撑前沿的跨文化数字研究，该数据集都能提供坚实、精细的数据基础，赋能用户从海量网络行为中挖掘出深刻的洞察与价值。
字段展示
以2024年1月1日的字段为例
样本数据
以2024年1月1日的样本数据为例
数据更新频率
不定时更新