Djacon/ru_goemotions
收藏资源简介：
RuGoEmotions数据集包含34k条Reddit评论，标注了9种情感类别（如喜悦、兴趣、惊讶、悲伤、愤怒、厌恶、恐惧、内疚和中性）。数据集已经预定义了训练/验证/测试集的分割。数据集主要用于多类、多标签的情感分类任务，数据语言为俄语。数据集的创建目的是为了改进情感表达的理解，适用于多种下游任务。数据来源是Reddit评论，注释由印度的英语母语者完成。数据集包含Reddit用户的原始用户名，可能存在个人身份信息泄露的风险。
The RuGoEmotions dataset comprises 34k Reddit comments annotated with 9 emotion categories, including joy, interest, surprise, sadness, anger, disgust, fear, guilt, and neutral. The dataset has pre-defined train/validation/test splits. It is primarily intended for multi-class and multi-label emotion classification tasks, with all data written in Russian. Developed to enhance the understanding of emotional expressions, the dataset is applicable to a wide range of downstream tasks. The data originates from Reddit comments, and annotations were completed by native English speakers based in India. The dataset contains the original usernames of Reddit users, which may carry a risk of personal identity information leakage.
RuGoEmotions 数据集概述
数据集描述
数据集总结
- 数据量: 包含34,000条Reddit评论。
- 情感类别: 9种情感类别，包括喜悦、兴趣、惊讶、悲伤、愤怒、厌恶、恐惧、内疚和中性。
- 预定义分割: 已预先定义训练集、验证集和测试集。
支持的任务和排行榜
- 任务类型: 多类别、多标签情感分类。
语言
- 语言: 俄语。
数据集结构
数据实例
- 实例描述: 每个实例为一条Reddit评论，附带一个或多个情感标签（或中性）。
数据字段
- 字段配置:
text: Reddit评论文本。labels: 情感标签。
数据分割
- 分割详情: 训练集26,900条，验证集3,290条，测试集3,370条。
数据集创建
数据收集和规范化
- 数据来源: Reddit评论，通过多种自动化方法收集。
- 语言生产者: 英语母语的Reddit用户。
注释
- 注释者: 3名英语母语的印度众包工作者。
个人和敏感信息
- 信息包含: 包含原始Reddit用户名，可能关联到个人真实身份。
使用数据集的考虑
社会影响
- 潜在应用: 改善人机交互等。
- 潜在滥用: 在招聘决策、保险定价等领域可能被误用。
偏见讨论
- 潜在偏见: 包括Reddit用户偏见、数据过滤使用的攻击性/粗俗词汇列表、注释者的无意识偏见等。
附加信息
数据集管理者
- 管理者: 来自Amazon Alexa、Google Research和Stanford的研究人员。
许可证信息
- 许可证: Apache License 2.0。
引用信息
-
引用格式:
@inproceedings{demszky2020goemotions, author = {Demszky, Dorottya and Movshovitz-Attias, Dana and Ko, Jeongwoo and Cowen, Alan and Nemade, Gaurav and Ravi, Sujith}, booktitle = {58th Annual Meeting of the Association for Computational Linguistics (ACL)}, title = {{GoEmotions: A Dataset of Fine-Grained Emotions}}, year = {2020} }
