arize-ai/movie_reviews_with_context_drift

该数据集是为我们的教程创建的，包含一个大型电影评论数据集与一些酒店评论数据集的混合数据。训练/验证集完全来自电影评论数据集，而生产集是混合的。还添加了一些其他特征（如年龄、性别、上下文）以及一个虚构的时间戳`prediction_ts`，表示推理发生的时间。数据集主要用于文本分类任务，特别是情感分类，给定文本预测情感（正面或负面）。文本主要是英文。

annotations_creators:
- 专家生成
language_creators:
- 专家生成
language:
- 英语
license:
- MIT协议
multilinguality:
- 单语言
pretty_name: 带分布漂移的情感分类评论数据集（sentiment-classification-reviews-with-drift）
size_categories:
- 10K<n<100K
source_datasets:
- 扩展|IMDb（Internet Movie Database）
task_categories:
- 文本分类（text-classification）
task_ids:
- 情感分类（sentiment-classification）

# `reviews_with_drift` 数据集卡片

## 目录
- [目录](#table-of-contents)
- [数据集描述](#dataset-description)
- [数据集概述](#dataset-summary)
- [支持任务与基准榜单](#supported-tasks-and-leaderboards)
- [使用语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建依据](#curation-rationale)
- [源数据](#source-data)
- [注释说明](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差分析](#discussion-of-biases)
- [其他已知局限](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集维护者](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献声明](#contributions)

## 数据集描述

### 数据集概述
本数据集专为配套教程打造（教程链接待完善）。其核心为大型电影评论数据集，并混入了部分酒店评论数据集的样本。训练集与验证集仅源自电影评论数据集，而生产集则为混合了两类评论的数据。此外，数据集新增了`age`（年龄）、`gender`（性别）、`context`（场景）三类特征，以及用于标记推理执行时刻的自定义时间戳`prediction_ts`。

### 支持任务与基准榜单
`文本分类（text-classification）`、`情感分类（sentiment-classification）`：本数据集主要应用于文本分类任务，即基于给定文本预测其情感倾向（正面或负面）。

### 使用语言
本数据集的文本均以英语撰写。

## 数据集结构

### 数据实例

#### 默认配置
训练集的样本示例如下：
json
{
'prediction_ts': 1650092416.0,
'age': 44,
'gender': 'female',
'context': 'movies',
'text': "An interesting premise, and Billy Drago is always good as a dangerous nut-bag (side note: I'd love to see Drago, Stephen McHattie and Lance Hendrikson in a flick together; talk about raging cheekbones!). The soundtrack wasn't terrible, either.<br /><br />But the acting--even that of such professionals as Drago and Debbie Rochon--was terrible, the directing worse (perhaps contributory to the former), the dialog chimp-like, and the camera work, barely tolerable. Still, it was the SETS that got a big 10 on my oy-vey scale. I don't know where this was filmed, but were I to hazard a guess, it would be either an open-air museum, or one of those re-enactment villages, where everything is just a bit too well-kept to do more than suggest the real Old West. Okay, so it was shot on a college kid's budget. That said, I could have forgiven one or two of the aforementioned faults. But taken all together, and being generous, I could not see giving it more than three stars.",
'label': 0
}

### 数据字段

#### 默认配置
所有数据划分的字段结构均保持一致，训练集的字段说明如下：
- `prediction_ts`：浮点型（float）特征，代表推理执行时间戳
- `age`：整型（int）特征，代表评论者年龄
- `gender`：字符串型（string）特征，代表评论者性别
- `context`：字符串型（string）特征，代表评论所属场景
- `text`：字符串型（string）特征，代表原始评论文本
- `label`：分类标签（ClassLabel）特征，可选值包括负面（0）与正面（1）

### 数据划分
| 划分名称 | 训练集 | 验证集 | 生产集 |
|----------|---------:|---------:|---------:|
| 默认配置 | 9916 | 2479 | 40079 |

## 数据集构建

### 构建依据
【需补充更多信息】

### 源数据
【本部分待补充】

### 注释说明
【本部分待补充】

### 个人与敏感信息
【本部分待补充】

## 数据集使用注意事项

### 数据集的社会影响
【本部分待补充】

### 偏差分析
【本部分待补充】

### 其他已知局限
【本部分待补充】

## 附加信息

### 数据集维护者
【本部分待补充】

### 许可信息
【本部分待补充】

### 引用信息
【本部分待补充】

### 贡献声明
感谢[@fjcasti1](https://github.com/fjcasti1) 为本数据集添加支持。

原始信息汇总

数据集概述

数据集名称

• 名称：sentiment-classification-reviews-with-drift
• 别名：reviews_with_drift

数据集属性

• 语言：英语（en）
• 许可证：MIT
• 多语言性：单语种
• 大小：10K<n<100K
• 来源数据集：扩展自IMDB
• 任务类别：文本分类
• 任务ID：情感分类

数据集内容

• 数据集摘要：该数据集用于情感分类，结合了电影评论和酒店评论数据，增加了age, gender, context等特征，并设定了prediction_ts时间戳。
• 支持的任务和排行榜：主要用于文本分类和情感分类，预测文本的情感倾向（正面或负面）。
• 数据结构：
  • 数据实例：包含prediction_ts, age, gender, context, text, label等字段。
  • 数据字段：
    • prediction_ts：浮点型特征。
    • age：整型特征。
    • gender：字符串特征。
    • context：字符串特征。
    • text：字符串特征。
    • label：分类标签特征，可能的值为负(0)和正(1)。
  • 数据分割：训练集9916条，验证集2479条，生产集40079条。

数据集创建

• 贡献者：@fjcasti1