CLARIN-Emo|情感分析数据集|消费者评论数据集

该数据集由波兰语的消费者评论组成，涵盖酒店、医药、产品和大学四个领域。数据集不仅包含评论，还包括属于同一领域的非观点性信息文本（主要是中性的）。每个句子和整个评论都被标注了普鲁特奇克的情感轮中的情感（如喜悦、信任、期待、惊讶、恐惧、悲伤、厌恶、愤怒）以及感知到的情感（正面、负面、中性），其中矛盾的情感使用正面和负面标签同时标注。数据集由六个人独立标注，最终标签由至少两人标注的结果决定，这意味着存在争议的文本和句子可能被标注为对立的情感。每个句子都有自己的标注，但这些标注是在整个评论的背景下创建的。数据集分为训练集、验证集和测试集，每个集合包含完整的评论，没有评论被分割在不同的集合中。

AI搜集汇总

数据集介绍

构建方式

CLARIN-Emo数据集构建于波兰语的消费者评论，涵盖酒店、医疗、产品和大学四个领域。数据集不仅包含情感性评论，还纳入了同一领域的中立性文本。每条句子及整体评论均采用Plutchnik情感轮模型进行标注，涵盖喜悦、信任、期待、惊讶、恐惧、悲伤、厌恶和愤怒等情感，同时标注了积极、消极和中立的情感极性。六名独立标注者进行标注，最终标签由至少两人一致确认，确保了标注的可靠性。数据集按评论级别划分，训练集、验证集和测试集分别包含776、167和167条评论。

特点

CLARIN-Emo数据集以其多标签情感分类为显著特点，每条句子及整体评论均标注了多种情感和情感极性。数据集涵盖了广泛的情感维度，能够支持复杂的情感分析任务。其独特的标注方式允许同一文本同时标注对立情感，反映了真实场景中情感的复杂性。此外，数据集的波兰语背景为跨语言情感分析提供了宝贵资源。数据集格式清晰，每条评论以特殊符号标记结束，便于区分评论边界。

使用方法

CLARIN-Emo数据集适用于多标签情感分类任务，可用于训练和评估情感识别模型。使用时应按数据集提供的格式加载数据，分别处理训练集、验证集和测试集。每条句子及其对应的情感标签可作为模型的输入和输出。整体评论的标注可用于评估模型在更大文本单元上的表现。数据集支持多种机器学习框架，用户可根据需求选择适合的模型架构。在使用过程中，需注意数据集的语言背景，确保模型能够处理波兰语文本。

背景与挑战

背景概述

CLARIN-Emo数据集由波兰语消费者评论构成，涵盖酒店、医疗、产品和大学四个领域，并包含非观点性文本。该数据集基于Plutchnik情感轮理论，标注了八种基本情感（喜悦、信任、期待、惊讶、恐惧、悲伤、厌恶、愤怒）以及情感极性（积极、消极、中性）。数据集由六名独立标注者完成，最终标签通过多数投票确定，确保标注的可靠性。该数据集由波兰科学院计算机科学研究所等机构的研究人员创建，旨在推动情感识别和文本分类领域的研究，尤其在波兰语情感分析方面具有重要影响力。

当前挑战

CLARIN-Emo数据集在情感识别领域面临多重挑战。首先，情感的多标签分类问题增加了模型训练的复杂性，尤其是当同一文本被标注为相互矛盾的情感时。其次，波兰语作为低资源语言，情感表达的多样性和文化特异性使得模型泛化能力受限。在数据集构建过程中，标注者之间的主观差异以及情感标签的模糊性也带来了显著挑战。此外，如何在句子级别和整体评论级别之间建立一致的情感关联，仍是亟待解决的技术难题。

常用场景

经典使用场景

CLARIN-Emo数据集在情感识别和文本分类领域具有广泛的应用。该数据集通过标注波兰语消费者评论中的情感和情感极性，为研究者提供了一个多标签分类任务的基准。其经典使用场景包括训练和评估情感识别模型，特别是在多语言和多领域情感分析中，CLARIN-Emo数据集展现了其独特的价值。

解决学术问题

CLARIN-Emo数据集解决了情感分析领域中的多个关键学术问题。首先，它提供了基于Plutchnik情感轮的多标签情感标注，使得研究者能够更细致地分析文本中的复杂情感。其次，数据集中的情感极性标注（积极、消极、中性）为情感分类任务提供了明确的指导。此外，数据集的跨领域特性（酒店、医疗、产品、大学）使得研究者能够在不同领域中验证模型的泛化能力。

衍生相关工作

CLARIN-Emo数据集衍生了一系列经典研究工作。例如，Koptyra等人利用该数据集训练了基于人类标注和ChatGPT的情感识别模型，并在国际计算科学会议上发表了相关成果。此外，Kocoń等人在《Information Fusion》期刊上发表了关于ChatGPT在多任务学习中的应用研究，其中也使用了CLARIN-Emo数据集进行情感分析任务的验证。这些研究不仅推动了情感识别技术的发展，也为多语言情感分析提供了新的思路。