HiliSenti-v1
收藏资源简介：
HiliSenti是第一个用于Hiligaynon语（菲律宾超过1000万人使用的南岛语系语言）的大规模多领域情感分析数据集。该数据集包含23,337个真实世界的Hiligaynon句子（许多句子自然混合了Tagalog和英语），并手动标注了情感（负面、中性、正面）。数据集在Hugging Face Hub上公开可用，分为训练集（18,854个）、验证集（2,241个）和测试集（2,242个）。
HiliSenti is the first large-scale multi-domain sentiment analysis dataset for Hiligaynon, an Austronesian language spoken by over 10 million people in the Philippines. This dataset contains 23,337 real-world Hiligaynon sentences, many of which naturally mix Tagalog and English, and is manually annotated with sentiment labels (negative, neutral, positive). It is publicly available on the Hugging Face Hub, and is split into training (18,854 samples), validation (2,241 samples) and test (2,242 samples) sets.
数据集概述：HiliSenti
HiliSenti 是首个面向 希利盖农语（Hiligaynon） 的大规模多领域情感分析数据集。希利盖农语是一种南岛语系语言，在菲律宾有超过 1000 万使用者。该数据集包含 23,337 条真实世界的希利盖农语句子，许多句子带有与他加禄语和英语的自然代码混合现象，并经过人工标注为三类情感：负面、中立、正面。
数据集核心信息
- 名称: HiliSenti‑v1
- 规模: 23,337 条句子
- 标注: 情感标注（0=负面，1=中立，2=正面）
- 语言: 希利盖农语（含代码混合）
- 数据划分: 训练集 18,854 条、验证集 2,241 条、测试集 2,242 条
- 发布平台: Hugging Face Hub（数据集页面）
- DOI: 10.57967/hf/8737
- 许可证: CC BY‑NC‑SA 4.0（非商业用途，需署名）
模型与性能
- 基础模型: XLM‑RoBERTa‑large（3.55 亿参数）
- 训练方法: 跨语言迁移学习
- 测试集表现:
- 准确率: 93.5%
- F1 分数: 0.94（宏观 F1：93.36%）
- 各类别 F1 分数: 负面 0.95、中立 0.91、正面 0.94
- 模型权重: 目前仅应要求提供非商业研究使用；计划在论文发表后发布轻量级 LoRA 适配器。
仓库结构
hilisenti/ ├── README.md ├── .gitignore ├── requirements.txt # Python 依赖 ├── code/ │ └── train.py # 训练脚本（从 Hugging Face 加载数据集） └── dataset/ └── README.md # 链接至 Hugging Face 官方数据集
注意：实际的 CSV 文件（
train.csv、val.csv、test.csv）仅维护在 Hugging Face 上。
快速使用指南
1. 加载数据集
python from datasets import load_dataset dataset = load_dataset("jjjardev/hilisenti-v1") print(dataset["train"][0])
输出示例：{"sentence": "Kasadya gid sang MassKara festival subong nga tuig!", "label": 2}
2. 安装依赖
bash git clone https://github.com/jjjardev/hilisenti.git cd hilisenti pip install -r requirements.txt
3. 训练模型
bash cd code python train.py
脚本将自动下载数据集、应用文本标准化、微调 xlm-roberta-large 模型，并将最佳检查点保存至 ./hilisenti_model/。
引用方式
bibtex @dataset{jarder2026hilisenti, author = {Jarder, Jessie James T.}, title = {HiliSenti v1: A Multi‑Domain Sentiment Analysis Dataset for Hiligaynon}, year = {2026}, publisher = {Hugging Face}, doi = {10.57967/hf/8737}, url = {https://huggingface.co/datasets/jjjardev/hilisenti-v1} }
