有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
M-ABSA|情感分析数据集|自然语言处理数据集
收藏arXiv2025-02-17 更新2025-02-19 收录
下载链接：
https://huggingface.co/datasets/Multilingual-NLP/M-ABSA, https://github.com/swaggy66/M-ABSA
下载链接
链接失效反馈资源简介：
M-ABSA是一个全面的跨语言情感分析数据集，涵盖7个领域和21种语言，是目前最广泛的情感分析平行数据集。该数据集主要关注三元组提取，包括方面词、方面类别和情感极性。数据集通过自动翻译和人工审核的方式构建，以确保质量。
提供机构：
华南师范大学量子工程与量子材料广东省重点实验室，电子科学与工程学院（微电子学院）
创建时间：
2025-02-17
AI搜集汇总
数据集介绍
构建方式
M-ABSA数据集的构建过程涉及了收集现有的高质量英语数据集，并自动将其翻译成20种目标语言。数据集涵盖了7个不同的领域，包括酒店、食品、在线课程、手机、笔记本电脑、餐厅和在线数学课程评论。为确保数据质量，翻译后的数据集经过人工审查和修正。该数据集的构建旨在填补现有ABSA数据集以英语为中心的空白，为多语言评估和研究提供更广泛的数据基础。
使用方法
使用M-ABSA数据集时，研究者可以将其作为多语言和跨领域情感分析的基准数据集。数据集可以用于训练和评估模型在三元组提取任务上的性能，包括方面术语、方面类别和情感极性的识别。此外，M-ABSA数据集还可以用于研究跨语言迁移学习，以及大型语言模型在零样本条件下的多语言情感分析能力。研究者可以使用数据集中的翻译和人工审查流程作为构建其他多语言数据集的参考。
背景与挑战
背景概述
M-ABSA数据集是一项重要的研究，它填补了多语言细粒度情感分析领域的空白。该数据集由Chengyan Wu等人于2025年创建，旨在解决现有数据集主要集中英语的问题，限制了多语言评估和研究的范围。M-ABSA数据集涵盖了7个领域和21种语言，是目前最全面的多语言并行ABSA数据集。该数据集的核心研究问题是细粒度情感分析，特别是基于方面的情感分析（ABSA），其目标是识别文本中与情感元素相关的方面。M-ABSA数据集对相关领域的影响在于，它为多语言ABSA研究提供了高质量的数据集，有助于推动该领域的发展。
当前挑战
M-ABSA数据集面临的主要挑战包括：1)多语言细粒度情感分析的挑战：尽管M-ABSA数据集提供了21种语言的覆盖，但不同语言之间的语义差异和翻译质量仍然是研究的难点。2)构建过程中所遇到的挑战：数据集的构建过程中，自动翻译的准确性和人工审核的效率是需要平衡的两个方面。3)翻译对长句的挑战：某些语言在翻译长句时难以保持语义的准确性，导致潜在的语义偏移。4)缺乏意见元素：尽管M-ABSA数据集提供了方面、类别和情感的三元组提取，但缺乏意见元素的整合，这可能会影响对情感的综合理解。
常用场景
经典使用场景
M-ABSA数据集被广泛应用于多语言细粒度情感分析领域，其经典使用场景包括识别文本中的方面术语、方面类别和情感极性。通过构建一个包含7个领域和21种语言的全面数据集，M-ABSA为多语言情感分析提供了丰富的资源和强大的支持。例如，在一个典型的使用场景中，M-ABSA可以用于分析在线评论，识别用户对产品或服务的特定方面的情感倾向，如服务态度、产品质量等。
解决学术问题
M-ABSA数据集解决了现有情感分析数据集以英语为主的问题，限制了多语言评价和研究。通过提供一个包含21种语言和7个不同领域的数据集，M-ABSA填补了这一空白，为多语言情感分析研究提供了新的可能。此外，M-ABSA还解决了现有数据集缺乏标准化和多样性的问题，使其能够进行更广泛的模型鲁棒性检查。
实际应用
M-ABSA数据集在实际应用中具有广泛的应用前景，如社交媒体情感分析、产品评论分析等。通过分析不同语言的用户评论，企业可以了解用户对不同产品的看法和需求，从而改进产品和服务。此外，M-ABSA还可以用于跨语言情感分析，帮助企业和研究人员更好地理解不同语言用户的情感倾向。
数据集最近研究
最新研究方向
M-ABSA数据集是当前最全面的跨语言方面级情感分析并行数据集，覆盖21种语言和7个不同领域。该数据集旨在解决现有ABSA数据集主要集中于英语的问题，从而限制多语言评估和研究的范围。M-ABSA数据集的主要关注点是三元组提取，包括识别方面术语、方面类别和情感极性。数据集通过自动翻译过程并结合人工审查来构建，以确保质量。M-ABSA数据集的发布为多语言ABSA研究开辟了新的可能性，为跨语言和多领域迁移学习以及大型语言模型评估提供了强大的支持。
相关研究论文
- 1M-ABSA: A Multilingual Dataset for Aspect-Based Sentiment Analysis华南师范大学量子工程与量子材料广东省重点实验室，电子科学与工程学院（微电子学院） · 2025年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
MIT Indoor Scenes
室内场景识别是高水平视觉中一个具有挑战性的开放性问题。大多数适用于室外场景的场景识别模型在室内领域的表现都较差。该数据库包含67个室内类别，共15620张图像。图像的数量因类别而异，但每个类别至少有100张图像。所有图像均为jpg格式。此处提供的图像仅用于研究目的。
阿里云天池 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录
中国逐日降水数据集（1961-2022，0.1°/0.25°/0.5°）
CHM_PRE数据集基于中国境内及周边1961至今共2839个站点的日降水观测，在传统的“降水背景场 + 降水比值场”的数据集构建思路上，尝试应用月值降水约束和地形特征校正，并依据中国范围内约4万个高密度站点2015–2019年的日降水量插值后数据进行精度评价。经评估认为，CHM_PRE可以较好的表征降水的空间变异性，其日值时间序列与高密度站点日值降水观测结果之间的相关系数中位数为0.78，均方根误差中位数为8.8 mm/d，KGE值中位数为0.69，与目前常用的降水数据集（CGDPA、CN05.1、CMA V2.0）有很好的一致性。 数据集的时间范围为1961年至今，空间分辨率为0.1°、0.25°和0.5°，经纬度范围为18°N–54°N, 72°E–136°E。
国家青藏高原科学数据中心 收录
糖尿病预测数据集
糖尿病相关的医学研究或者健康数据
AI_Studio 收录