NYTK/HuSST

HuSST数据集是匈牙利语版本的斯坦福情感树库（Stanford Sentiment Treebank），主要用于情感分类和情感评分任务。该数据集是匈牙利语言理解评估基准工具包（HuLU）的一部分。数据集通过对原始SST数据集的内容进行翻译和重新注释创建，每个句子由人工翻译并由多名注释者进行标注，最终由一名校对者确定最终标签。数据集包含训练集、验证集和测试集，每个实例包含一个唯一的ID、一个句子和一个情感标签（负面、中性或正面）。

原始信息汇总

数据集概述

数据集名称

• 名称: HuSST

数据集描述

• 摘要: HuSST是匈牙利版本的Stanford Sentiment Treebank数据集，属于匈牙利语言理解评估基准套件HuLU的一部分。该数据集通过翻译和重新标注原始的SST数据集创建。
• 支持的任务:
  • 情感分类
  • 情感评分
  • 文本评分

语言信息

• 语言: 匈牙利语（hu-HU）

数据集结构

• 数据实例: 每个实例包含一个唯一ID、一个句子及其情感标签（"negative", "neutral", 或 "positive"）。
• 数据字段:
  • Sent_id: 实例的唯一ID
  • Sent: 句子，SST数据集实例的翻译
  • Label: 情感标签
• 数据分割: 数据集分为训练集、验证集和测试集。
  • 训练集: 9344个实例
  • 验证集: 1168个实例
  • 测试集: 1168个实例

数据集创建

• 源数据: 数据是对SST数据集内容的翻译，每个句子由人工翻译并由另一标注者手动检查和进一步细化。
• 标注过程: 翻译后的句子由三名人类标注者标注，最终标签由第四位标注者（curator）根据前三位标注者的标签决定。

许可证信息

• 许可证: BSD-2-Clause

引用信息

• 引用:
  • Ligeti-Nagy, N. et al. (2022) HuLU: Hungarian benchmark dataset to evaluate neural language models.
  • Socher et al. (2013) Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank.