CyranoB/polarity

Amazon Review Polarity数据集包含来自亚马逊的评论，时间跨度18年，截至2013年3月，包含约3500万条评论。每条评论包括产品和用户信息、评分以及纯文本评论。数据集主要用于文本分类任务，特别是情感分类，即根据评论内容和标题预测正确的星级评分。数据集结构包括标题、内容和标签，标签为1（正面）或0（负面）。数据集分为训练集和测试集，每个类别有180万条训练样本和20万条测试样本。数据集的创建是为了作为文本分类基准，相关论文为Xiang Zhang等人的《Character-level Convolutional Networks for Text Classification》。

原始信息汇总

数据集概述

数据集描述

• 数据集名称: Amazon Review Polarity
• 数据集概要: 该数据集包含亚马逊网站上的评论，涵盖了18年的时间跨度，包含约3500万条评论，直至2013年3月。每条评论包括产品信息、用户信息、评分和纯文本评论。
• 支持的任务: 主要用于文本分类任务，特别是情感分类，即根据内容和标题预测正确的星级评分。
• 语言: 主要为英语。

数据集结构

• 数据实例: 每个数据点包括标题、内容和相应的标签。
• 数据字段:
  • title: 包含评论标题的字符串。
  • content: 包含评论内容的字符串。
  • label: 标签，1表示正面评价，0表示负面评价。
• 数据分割: 数据集将评分1和2视为负面，评分4和5视为正面，评分3的样本被忽略。每类包含1,800,000个训练样本和200,000个测试样本。

数据集创建

• 数据集创建理由: 由Xiang Zhang创建，用于文本分类基准测试。
• 许可证信息: Apache License 2.0
• 引用信息:
  • McAuley, Julian, and Jure Leskovec. "Hidden factors and hidden topics: understanding rating dimensions with review text." In Proceedings of the 7th ACM conference on Recommender systems, pp. 165-172. 2013.
  • Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015)

贡献者

• 感谢@hfawaz添加此数据集。