Yelp/yelp_review_full|文本分类数据集|情感分析数据集

YelpReviewFull数据集包含从Yelp网站收集的评论数据，主要用于情感分类任务。数据集包含650,000条训练样本和50,000条测试样本，每条数据包括一个文本字段和一个标签字段，标签表示评论的星级（1到5星）。数据集由众包方式创建，使用英语。

原始信息汇总

数据集卡片 for YelpReviewFull

数据集描述

数据集概要

Yelp reviews 数据集包含来自 Yelp 的评论。它从 Yelp Dataset Challenge 2015 数据中提取。

支持的任务和排行榜

• text-classification, sentiment-classification: 该数据集主要用于文本分类：给定文本，预测情感。

语言

评论主要以英语撰写。

数据集结构

数据实例

一个典型的数据点包含文本和相应的标签。

YelpReviewFull 测试集中的一个示例如下： json { label: 0, text: I got ew tires from them and within two weeks got a flat. I took my car to a local mechanic to see if i could get the hole patched, but they said the reason I had a flat was because the previous patch had blown - WAIT, WHAT? I just got the tire and never needed to have it patched? This was supposed to be a new tire. \nI took the tire over to Flynns and they told me that someone punctured my tire, then tried to patch it. So there are resentful tire slashers? I find that very unlikely. After arguing with the guy and telling him that his logic was far fetched he said hed give me a new tire "this time". \nI will never go back to Flynns b/c of the way this guy treated me and the simple fact that they gave me a used tire! }

数据字段

• text: 评论文本使用双引号（"）进行转义，任何内部双引号通过两个双引号（""）进行转义。换行通过反斜杠后跟 "n" 字符进行转义，即 " "。
• label: 对应于与评论相关的评分（1 到 5 之间）。

数据分割

Yelp reviews full star 数据集通过从 1 到 5 的每个评论星随机抽取 130,000 个训练样本和 10,000 个测试样本构建。总共包含 650,000 个训练样本和 50,000 个测试样本。

数据集创建

策划理由

Yelp reviews full star 数据集由 Xiang Zhang ([e-mail]) 从 Yelp Dataset Challenge 2015 构建。它首次在以下论文中用作文本分类基准：Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015).

使用数据的注意事项

数据集的社会影响

[更多信息需要]

偏见的讨论

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

您可以查看官方 yelp-dataset-agreement。

引用信息

Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015).

贡献

感谢 @hfawaz 添加此数据集。

AI搜集汇总

数据集介绍

构建方式

YelpReviewFull数据集由纽约大学的研究者Xiang Zhang构建，从Yelp Dataset Challenge 2015中随机选取了130,000条训练样本和10,000条测试样本，针对每个星级评价。数据集总共包含了650,000条训练样本和50,000条测试样本。数据通过字符级别的卷积网络进行文本分类，旨在对评论文本进行情感倾向预测。

特点

该数据集的特点在于其专注于评论文本的情感分类任务，涵盖了从1星到5星的完整评价体系。评论文本经过适当的转义处理，以适应数据格式的要求。此外，数据集采用单语种英文构建，保证了语言的一致性和处理的简便性。

使用方法

使用YelpReviewFull数据集时，用户需遵循Yelp提供的官方使用协议。数据集提供了训练和测试两个部分，可以通过标准的文本分类模型进行训练和评估。在模型评估方面，数据集支持多种指标，包括准确率、F1分数（宏观、微观和加权平均）以及精确度和召回率等，以全面衡量模型性能。

背景与挑战

背景概述

Yelp/yelp_review_full数据集，源于2015年Yelp数据集挑战赛，由纽约大学的研究员Xiang Zhang构建并首次应用于其研究论文《Character-level Convolutional Networks for Text Classification》中。该数据集包含了从Yelp网站收集的消费者评论，旨在用于文本分类任务，尤其是情感分析，即根据评论内容预测用户给出的星级评分。数据集涵盖了65万条训练样本和5万条测试样本，覆盖了1星至5星的所有评分等级，对自然语言处理领域的研究和实践具有重要的参考价值。

当前挑战

在数据集构建过程中，面临的主要挑战包括数据的质量控制和隐私信息的处理。数据标注的质量直接影响到模型的训练效果，而评论中的个人敏感信息需要被妥善处理以保护用户隐私。在研究领域问题方面，该数据集的使用者需要解决如何提高情感分类的准确性和鲁棒性，以及如何减少模型对噪声数据和异常值的敏感性等挑战。

常用场景

经典使用场景

在自然语言处理领域，Yelp/yelp_review_full数据集的经典使用场景是进行文本分类任务，尤其是情感分析。该数据集提供了海量的用户评价文本及其对应的星级标签，研究者可以基于此训练模型以识别文本中的情感倾向，从而实现自动化情感分析。

衍生相关工作

基于Yelp/yelp_review_full数据集，衍生出了众多经典工作，如字符级卷积神经网络在文本分类中的应用研究。这些工作推动了深度学习技术在文本处理领域的进展，并促进了情感分析、自然语言理解等相关领域的理论研究和技术发展。

数据集最近研究

最新研究方向

Yelp/yelp_review_full数据集作为文本分类领域的基石，近期研究方向主要聚焦于深度学习模型的微调与多模态融合。研究者们致力于通过细粒度的情感分析，不仅识别出正面或负面评价，还能准确区分情感的微妙差异。此外，结合用户画像和评论时间序列的分析，为情感预测提供了新的视角。这些研究对于提升在线服务质量评估、精细化用户服务具有重要的实践意义。