Mar, 2024

KazSAnDRA: 哈萨克评论与态度情感分析数据集

PDF
TL;DR该研究介绍了 KazSAnDRA 数据集，这是首个也是最大的公开可用的哈萨克情感分析数据集，由 180,064 份来自不同来源的评论组成，包括从 1 到 5 的数值评分，提供了客户态度的定量表示。该研究还通过开发和评估四个机器学习模型，旨在实现哈萨克情感分类的自动化，包括极性分类和评分分类的培训。实验分析考虑了平衡和不平衡的情况。最成功的模型在测试集上实现了 0.81 的极性分类 F1 得分和 0.39 的评分分类得分。该数据集和优化模型以知识共享署名 4.0 国际许可（CC BY 4.0）的形式开放获取，并可通过我们的 GitHub 存储库进行下载。
kazsandrakazakh sentiment analysisdatasetmachine learning modelspolarity classification
发现论文，激发创造
  • LABR: 大规模阿拉伯语情感分析基准测试

    介绍 LABR 数据集，这是迄今为止最大的用于阿拉伯语情感分析的数据集，包括超过 63,000 本书的评论，探讨数据集的性质和使用该数据集进行情感倾向和评分分类的任务。此外，提供数据集的标准分割，用于训练，验证和测试情感倾向和评分分类等。

    Nov, 2014

  • BanglaBook：基于图书评论的大规模孟加拉情感分析数据集

    本研究旨在解决对于孟加拉语资源与跨领域适应性缺乏研究的限制，因此提出一个大规模的孟加拉语电子书评论数据集， 使用各种机器学习模型分析数据，发现预训练模型比手工特征模型具有更高的性能，同时进行错误分析以提供关于在孟加拉语等欠资源语言中常见的分类错误的见解。

    May, 2023

  • Pars-ABSA: 面向方面的波斯情感分析数据集

    本研究提供了一个经过三名母语为波斯语的人员验证的波斯语数据集（即 Pars-ABSA），并基于深度学习的一些最先进的基于方面的情感分析方法进行评估，结果显示与类似的英语最新成果相比表现出优异的表现。

    Jul, 2019

  • 基于当地餐厅评论的乌兹别克情感分析

    本文针对低资源约束下的乌兹别克语收集餐厅评论数据，并通过使用不同的技术，从基于逻辑回归模型，支持向量机，甚至是循环神经网络和卷积神经网络等深度学习模型进行评估的方式，提供了一些进一步的分析。 实验结果表明，在进行词干提取等预处理步骤后，该系统的精度提高，最终在最佳模型中达到 91％的精度结果。

    May, 2022

  • 乌尔都语音与文本情感分析器

    本研究提出了一个基于用户评价的新型多类乌尔都数据集，旨在为乌尔都情感分析构建手动注释的数据集，并建立基准结果。使用五种不同的词库和基于规则的算法，最终实验结果表明，Flair 的准确率为 70%，优于其他测试的算法。

    Jul, 2022

  • 巴尔干半岛议会辩论情感标注数据集：波黑，克罗地亚和塞尔维亚

    考察了东南欧三个国家国会辩论中发言情感色彩的分类方法和效果，通过样本数据得出了最优分类模型。

    Jun, 2022

  • 作者情感预测

    PerSenT 数据集包括了新闻文章中主要实体的情感分析，并提供了段落级别的情感注释以提供更精细的监督。该数据集的基准测试表明，这是一项困难的分类任务。该论文指出，使用 BERT 对文档级表示进行微调是不足够的，并且对整个文档进行段落级别的决策和聚合也是无效的。该数据集包含 5.3k 个文档和 38k 个段落，涵盖 3.2k 个独特的实体，是实体情感分析中的一个挑战。

    Nov, 2020

  • CroSentiNews2.0：新闻情感句子语料库

    该研究提供了一个句子级情感数据集，覆盖了克罗地亚新闻领域，在已有的 3000 个注释文本的基础上，增加了 14500 个带有 5 个类别标签的注释句子出现。研究者在注释过程中提供了基线分数和标注者间的一致性分析。

    May, 2023

  • ASAP: 面向方面分类情感分析和评级预测的中文评论数据集

    本文介绍了一项有关餐厅评论数据的研究，数据集包含了 46,730 条来自中国领先在线到线下（O2O）电子商务平台的餐厅评论，每条评论都按照其对 18 个预定义方面类别的情感极性进行手动注释，并提出了一种直观而有效的联合模型用于方面类别情感分析和评论评级预测，实验结果证明，该联合模型优于目前的基线模型。

    Mar, 2021

  • YASO：面向开放域评论的有针对性情感分析评估数据集

    本文介绍了一个新的 TSA 评估数据集 YASO，它包含来自多个评论领域的 2,215 个有标注情感倾向的英语句子，旨在解决现有数据集中领域集合小的限制，能够更真实地反映像 Amazon 或 Yelp 这样拥有许多领域不同的评论网站的表现情况，同时对该数据集进行了 5 个 TSA 系统的基准测试，结果表明仍有改进空间。

    Dec, 2020