amphora/korfin-asc

--- annotations_creators: - expert-generated language: - ko language_creators: - expert-generated license: cc-by-sa-4.0 multilinguality: - monolingual pretty_name: KorFin-ABSA size_categories: - 1K<n<10K source_datasets: - klue tags: - sentiment analysis - aspect based sentiment analysis - finance task_categories: - text-classification task_ids: - topic-classification - sentiment-classification --- # Dataset Card for KorFin-ABSA ## Table of Contents - [Table of Contents](#table-of-contents) - [Dataset Description](#dataset-description) - [Dataset Summary](#dataset-summary) - [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards) - [Languages](#languages) - [Dataset Structure](#dataset-structure) - [Data Instances](#data-instances) - [Data Fields](#data-fields) - [Data Splits](#data-splits) - [Additional Information](#additional-information) - [Dataset Curators](#dataset-curators) - [Licensing Information](#licensing-information) - [Citation Information](#citation-information) - [Contributions](#contributions) ## Dataset Description ### Dataset Summary The KorFin-ASC is an extension of KorFin-ABSA including 8818 samples with (aspect, polarity) pairs annotated. The samples were collected from [KLUE-TC](https://klue-benchmark.com/tasks/66/overview/description) and analyst reports from [Naver Finance](https://finance.naver.com). Annotation of the dataset is described in the paper [Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance](https://arxiv.org/abs/2301.03136). ### Supported Tasks and Leaderboards This dataset supports the following tasks: * Aspect-Based Sentiment Classification ### Languages Korean ## Dataset Structure ### Data Instances Each instance consists of a single sentence, aspect, and corresponding polarity (POSITIVE/NEGATIVE/NEUTRAL). ``` { "title": "LGU＋ 1분기 영업익 1천706억원…마케팅 비용 감소", "aspect": "LG U+", 'sentiment': 'NEUTRAL', 'url': 'https://news.naver.com/main/read.nhn?mode=LS2D&mid=shm&sid1=105&sid2=227&oid=001&aid=0008363739', 'annotator_id': 'A_01', 'Type': 'single' } ``` ### Data Fields * title: * aspect: * sentiment: * url: * annotator_id: * url: ### Data Splits The dataset currently does not contain standard data splits. ## Additional Information You can download the data via: ``` from datasets import load_dataset dataset = load_dataset("amphora/KorFin-ASC") ``` Please find more information about the code and how the data was collected in the paper [Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance](https://arxiv.org/abs/2301.03136). The best-performing model on this dataset can be found at [link](https://huggingface.co/amphora/KorFinASC-XLM-RoBERTa). ### Licensing Information KorFin-ASC is licensed under the terms of the [cc-by-sa-4.0](https://creativecommons.org/licenses/by-sa/4.0/) ### Citation Information Please cite this data using: ``` @article{son2023removing, title={Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance}, author={Son, Guijin and Lee, Hanwool and Kang, Nahyeon and Hahm, Moonjeong}, journal={arXiv preprint arXiv:2301.03136}, year={2023} } ``` ### Contributions Thanks to [@Albertmade](https://github.com/h-albert-lee), [@amphora](https://github.com/guijinSON) for making this dataset.--- annotations_creators: - 专家生成（expert-generated） language: - ko（韩语） language_creators: - 专家生成（expert-generated） license: CC BY-SA 4.0（知识共享署名-相同方式共享4.0协议） multilinguality: - 单语言 pretty_name: KorFin-ABSA size_categories: - 1000 < n < 10000（1千至1万样本量级） source_datasets: - KLUE tags: - 情感分析（sentiment analysis） - 基于方面的情感分析（Aspect Based Sentiment Analysis） - 金融 task_categories: - 文本分类 task_ids: - 主题分类 - 情感分类 --- # KorFin-ABSA 数据集卡片 ## 目录 - [目录](#目录) - [数据集描述](#数据集描述) - [数据集概述](#数据集概述) - [支持任务与排行榜](#支持任务与排行榜) - [语言](#语言) - [数据集结构](#数据集结构) - [数据实例](#数据实例) - [数据字段](#数据字段) - [数据划分](#数据划分) - [附加信息](#附加信息) - [数据集策展人](#数据集策展人) - [授权信息](#授权信息) - [引用信息](#引用信息) - [贡献者](#贡献者) ## 数据集描述 ### 数据集概述 KorFin-ASC 是 KorFin-ABSA 的扩展版本，共包含8818条带有「方面-极性」标注对的样本。该数据集样本采集自 [KLUE-TC](https://klue-benchmark.com/tasks/66/overview/description) 以及 [Naver财经](https://finance.naver.com) 的分析师报告。本数据集的标注方法详见论文《移除预训练语言模型中的非平稳知识以实现金融领域实体级情感分类》（Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance，https://arxiv.org/abs/2301.03136）。 ### 支持任务与排行榜 本数据集支持以下任务： * 基于方面的情感分类（Aspect-Based Sentiment Classification） ### 语言 韩语 ## 数据集结构 ### 数据实例 每条数据实例包含单句文本、目标方面以及对应的情感极性（积极/消极/中性）。 json { "title": "LGU＋ 1분기 영업익 1천706억원…마케팅 비용 감소", "aspect": "LG U+", "sentiment": "NEUTRAL", "url": "https://news.naver.com/main/read.nhn?mode=LS2D&mid=shm&sid1=105&sid2=227&oid=001&aid=0008363739", "annotator_id": "A_01", "Type": "single" } ### 数据字段 * 标题： * 目标方面： * 情感极性： * 链接： * 标注者ID： * 链接： ### 数据划分 当前数据集暂无标准数据划分方案。 ## 附加信息 你可以通过以下代码下载该数据集： python from datasets import load_dataset dataset = load_dataset("amphora/KorFin-ASC") 请参阅上述提及的论文以获取更多关于数据采集与代码实现的细节。本数据集的最优性能模型可参见 [链接](https://huggingface.co/amphora/KorFinASC-XLM-RoBERTa)。 ### 授权信息 KorFin-ASC 采用 [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/) 协议进行授权。 ### 引用信息 请使用以下格式引用本数据集： bibtex @article{son2023removing, title={Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance}, author={Son, Guijin and Lee, Hanwool and Kang, Nahyeon and Hahm, Moonjeong}, journal={arXiv preprint arXiv:2301.03136}, year={2023} } ### 贡献者 感谢 [@Albertmade](https://github.com/h-albert-lee)、[@amphora](https://github.com/guijinSON) 为本数据集的发布提供支持。

原始信息汇总

数据集概述：KorFin-ASC

数据集描述

数据集总结

KorFin-ASC是一个包含8818个样本的数据集，每个样本都标注了(aspect, polarity)对。数据来源于KLUE-TC和Naver Finance的分析师报告。

支持的任务

• 基于方面的情感分类

语言

• 韩语

数据集结构

数据实例

每个实例包含一个句子、一个方面和相应的情感极性（POSITIVE/NEGATIVE/NEUTRAL）。

json { "title": "LGU＋ 1분기 영업익 1천706억원…마케팅 비용 감소", "aspect": "LG U+", "sentiment": "NEUTRAL", "url": "https://news.naver.com/main/read.nhn?mode=LS2D&mid=shm&sid1=105&sid2=227&oid=001&aid=0008363739", "annotator_id": "A_01", "Type": "single" }

数据字段

• title
• aspect
• sentiment
• url
• annotator_id

数据分割

数据集目前不包含标准的数据分割。

许可证信息

KorFin-ASC根据cc-by-sa-4.0许可证授权。

引用信息

@article{son2023removing, title={Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance}, author={Son, Guijin and Lee, Hanwool and Kang, Nahyeon and Hahm, Moonjeong}, journal={arXiv preprint arXiv:2301.03136}, year={2023} }

搜集汇总

数据集介绍

构建方式

KorFin-ASC数据集是KorFin-ABSA的扩展版本，专为金融领域的细粒度情感分析而设计。其构建过程融合了来自KLUE-TC基准测试的样本与Naver Finance平台的分析师报告，共计8818条带有（方面，情感极性）标注的数据实例。每条数据包含句子、目标方面及对应的积极、消极或中性情感标签，并由领域专家进行人工标注，确保了标注的专业性与可靠性。该数据集的构建细节及标注流程详见于《Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance》论文中。

特点

该数据集具有鲜明的领域特色与结构特点。首先，它聚焦于韩语金融文本，涵盖新闻标题与分析师报告，语料真实且专业性强。其次，数据集采用基于方面的情感标注范式，每条样本均明确指定目标实体（如公司名称）及其情感极性，支持细粒度的情感分析任务。此外，数据集的规模适中（1K至10K之间），且提供了标注者ID与数据来源URL，便于追溯与验证。目前虽未预设标准的数据划分，但其统一的字段结构为后续的模型训练与评估提供了灵活的基础。

使用方法

KorFin-ASC数据集的使用便捷高效，可通过HuggingFace的datasets库直接加载。用户只需执行一行Python代码——`dataset = load_dataset("amphora/KorFin-ASC")`，即可获取完整的标注数据。数据以JSON格式组织，每条实例包含标题、方面、情感、URL、标注者ID及类型字段。该数据集适用于基于方面的情感分类任务，研究人员可基于其统一的字段结构自行划分训练集与验证集，或直接利用论文中提供的最优模型（KorFinASC-XLM-RoBERTa）进行迁移学习与性能对比。

背景与挑战

背景概述

在金融领域，情感分析对于投资决策和市场预测具有举足轻重的意义，然而，现有情感分析数据集多聚焦于通用领域，难以捕捉金融文本中实体级别的细微情感波动。KorFin-ABSA数据集应运而生，由Guijin Son、Hanwool Lee等研究人员于2023年创建，旨在填补韩语金融领域方面级情感分析（ABSA）的空白。该数据集从KLUE-TC基准测试和Naver Finance分析师报告中精心收集了8818个样本，每个样本包含句子、方面词及其对应的情感极性（正面/负面/中性），为评估和提升预训练语言模型在金融实体级情感分类中的表现提供了标准化测试平台。KorFin-ABSA的发布不仅推动了韩语自然语言处理在金融领域的应用，也揭示了非平稳知识对模型泛化能力的影响，对相关研究方向产生了深远影响。

当前挑战

KorFin-ABSA数据集所面临的挑战首先体现在领域问题的复杂性上：金融文本中的情感表达往往隐晦且依赖于上下文，实体级情感分类需要模型准确识别特定公司、产品等方面的情感倾向，而非简单判断整体句子情感。此外，金融数据的时间敏感性导致非平稳知识（如特定时期的市场情绪）容易干扰模型，使其在跨时间测试中性能下降。在数据集构建过程中，研究人员需应对标注一致性难题——不同标注者对同一实体可能产生分歧，尤其当句子包含多个实体或情感模糊时。同时，数据来源的多样性（新闻标题与分析报告）要求标注规范能兼顾不同文体，而样本规模（1K<n<10K）相对有限，限制了深度模型的学习潜力，对数据增强和迁移学习策略提出了更高要求。

常用场景

经典使用场景

KorFin-ASC数据集专为金融领域的方面级情感分类任务而设计，其核心应用场景在于从韩语金融文本中精准提取与特定实体（如公司名称、产品等）相关的情感极性（正面、负面、中性）。该数据集由8818条标注样本构成，数据来源涵盖KLUE-TC基准数据集以及Naver Finance的分析师报告，确保了金融语境的丰富性与专业性。经典使用方式包括：基于预训练语言模型（如XLM-RoBERTa）进行微调，以捕捉金融文本中实体与情感之间的细微关联，例如从“LGU＋ 1분기 영업익 1천706억원…마케팅 비용 감소”这样的句子中，准确推断出“LG U+”这一实体的情感倾向为中性。

衍生相关工作

KorFin-ASC数据集衍生了一系列具有影响力的学术工作，其中最经典的是Son等人（2023）提出的“Removing Non-Stationary Knowledge From Pre-Trained Language Models for Entity-Level Sentiment Classification in Finance”论文，该工作首次系统性地探讨了金融领域预训练语言模型中的非平稳知识问题，并基于KorFin-ASC验证了去偏方法的有效性。此外，该数据集还催生了最佳性能模型KorFinASC-XLM-RoBERTa（发布于HuggingFace），为后续研究提供了强有力的基线。这些工作共同推动了韩语金融情感分析从粗粒度向细粒度的范式转变，并为跨语言金融NLP模型的设计提供了宝贵的数据资源与评估基准。

数据集最近研究

最新研究方向

在金融领域，细粒度情感分析正成为自然语言处理的前沿热点，尤其针对韩国市场这种非英语语种的研究尚属稀缺。KorFin-ASC数据集应运而生，它从KLUE-TC和Naver Finance分析师报告中精心采集了8818个样本，为基于方面的情感分类提供了专家级标注。该数据集的核心突破在于聚焦于实体级别的极性判断（正面、负面、中性），并特别关注如何从预训练语言模型中剥离非平稳知识，以提升金融文本中实体情感分类的鲁棒性。这一方向与当前金融科技中对市场情绪精准捕捉的需求紧密相连，例如在投资决策和风险预警中，准确识别特定公司或产品的舆论倾向具有显著的实际价值。KorFin-ASC的发布弥补了韩语金融ABS数据的空白，为跨语言金融情感分析研究树立了新标杆，推动了从通用情感分析向领域专精、实体导向的范式转变。