arbml/ArSarcasm_v2

该数据集包含推文内容、情感、方言和标签四个特征。标签分为两类：0表示非讽刺，1表示讽刺。数据集分为训练集和测试集，训练集包含12548个样本，测试集包含3000个样本。数据集的总下载大小为1749568字节，总数据集大小为3115059字节。

The dataset contains four features: tweet (tweet content), sentiment, dialect, and label. The label is divided into two categories: 0 for non-sarcastic and 1 for sarcastic. The dataset is divided into a training set and a test set, with the training set containing 12,548 samples and the test set containing 3,000 samples. The total download size of the dataset is 1,749,568 bytes, and the total dataset size is 3,115,059 bytes.

原始信息汇总

数据集概述

数据集特征

• tweet: 类型为字符串。
• sentiment: 类型为字符串。
• dialect: 类型为字符串。
• label: 类型为分类标签，包含两个类别：
  • 0: Non sarcastic
  • 1: sarcastic

数据集划分

• train:
  • 字节数: 2500183
  • 样本数: 12548
• test:
  • 字节数: 614876
  • 样本数: 3000

数据集大小

• 下载大小: 1749568 字节
• 总大小: 3115059 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • test: data/test-*