tyqiangz/multilingual-sentiments

---
language:
- de
- en
- es
- fr
- ja
- zh
- id
- ar
- hi
- it
- ms
- pt
license: apache-2.0
multilinguality:
- monolingual
- multilingual
size_categories:
- 100K<n<1M
- 1M<n<10M
task_categories:
- text-classification
task_ids:
- sentiment-analysis
- sentiment-classification
---

# Multilingual Sentiments Dataset

A collection of multilingual sentiments datasets grouped into 3 classes -- positive, neutral, negative.

Most multilingual sentiment datasets are either 2-class positive or negative, 5-class ratings of products reviews (e.g. Amazon multilingual dataset) or multiple classes of emotions. However, to an average person, sometimes positive, negative and neutral classes suffice and are more straightforward to perceive and annotate. Also, a positive/negative classification is too naive, most of the text in the world is actually neutral in sentiment. Furthermore, most multilingual sentiment datasets don't include Asian languages (e.g. Malay, Indonesian) and are dominated by Western languages (e.g. English, German).

Git repo: https://github.com/tyqiangz/multilingual-sentiment-datasets

## Dataset Description

- **Webpage:** https://github.com/tyqiangz/multilingual-sentiment-datasets

language:
- 德语（de）
- 英语（en）
- 西班牙语（es）
- 法语（fr）
- 日语（ja）
- 中文（zh）
- 印尼语（id）
- 阿拉伯语（ar）
- 印地语（hi）
- 意大利语（it）
- 马来语（ms）
- 葡萄牙语（pt）
license: Apache 2.0许可证
multilinguality:
- 单语言
- 多语言
size_categories:
- 100K<n<1M
- 1M<n<10M
task_categories:
- 文本分类（text-classification）
task_ids:
- 情感分析（sentiment-analysis）
- 情感分类（sentiment-classification）

# 多语言情感数据集

本数据集为多语言情感数据集集合，将情感划分为三类：积极、中性、消极。

当前主流多语言情感数据集多分为三类形式：仅支持积极/消极二分类、针对商品评论的五分类评分任务（如亚马逊（Amazon）多语言数据集），或是基于多类情感的分类任务。但对于普通使用者而言，仅需积极、中性、消极三类划分即可满足需求，且这类划分更易于理解与标注。此外，仅做积极/消极的二分类过于简化——现实世界中绝大多数文本的情感实则为中性。同时，多数现有多语言情感数据集未覆盖亚洲语言（如马来语、印尼语），且以英语、德语等西方语言为主。

Git 仓库：https://github.com/tyqiangz/multilingual-sentiment-datasets

## 数据集说明
- **网页地址**：https://github.com/tyqiangz/multilingual-sentiment-datasets

原始信息汇总

Multilingual Sentiments Dataset 概述

语言支持

• 支持语言：德语、英语、西班牙语、法语、日语、中文、印度尼西亚语、阿拉伯语、印地语、意大利语、马来语、葡萄牙语
• 多语言类型：单语、多语

数据集规模

• 数据集大小：10万<n<100万、100万<n<1000万

任务类型

• 任务类别：文本分类
• 具体任务：情感分析、情感分类

数据集内容

• 数据集包含多语言情感数据，分为三个类别：积极、中性、消极。
• 与常见的多语言情感数据集不同，本数据集专注于提供简单直观的情感分类，包括积极、消极和中性，更贴近普通人的感知和标注需求。
• 数据集特别包含了亚洲语言，如马来语和印度尼西亚语，弥补了多数多语言情感数据集在语言覆盖上的不足。

数据集链接

• 数据集网页：https://github.com/tyqiangz/multilingual-sentiment-datasets