ltg/norec_tsa

NoReC TSA数据集是一个用于挪威语针对性情感分析（TSA）的数据集，包含标记了情感极性的挪威语句子。数据集来源于NoReC_fine数据集，后者又来源于挪威评论语料库（NoReC）。数据集由奥斯陆大学的语言技术组（LTG）和SANT项目（挪威文本情感分析）创建和维护，并由挪威研究理事会资助。数据集包含两个配置：默认配置和强度配置，分别提供二元情感标签和带有情感强度的标签。数据集不包含个人或敏感信息，但可能存在原始评论作者的偏见。

原始信息汇总

数据集概述

名称: NoReC TSA

语言: 挪威语（主要为Bokmål变体）

许可: Creative Commons Attribution-NonCommercial 4.0 (CC BY-NC 4.0)

大小类别: 10K<n<100K

任务类别: 令牌分类

配置:

• 默认配置: 提供二元情感描述（正面/负面）
• 强度配置: 提供情感强度标签（轻微、标准、强烈）

数据集大小:

• 默认配置: 下载大小899078字节，数据集大小3054326字节
• 强度配置: 下载大小902284字节，数据集大小3080506字节

分割:

• 训练集: 默认配置8634个样本，强度配置8634个样本
• 验证集: 默认配置1531个样本，强度配置1531个样本
• 测试集: 默认配置1272个样本，强度配置1272个样本

数据实例特征:

• idx (str): 唯一文档和句子标识符
• tokens (List[str]): 句子中的令牌列表
• tsa_tags (List[str]): 每个令牌的BIO格式标签列表

数据集来源:

• 源数据: 来自Norwegian Review Corpus (NoReC) 的子集，包含来自多个领域的专业评论
• 注释者: 由语言技术研究项目的学生进行注释

使用目的: 用于训练和测试针对挪威语句子的目标情感分析（TSA）模型，识别和分类情感目标

数据集结构:

• 包含预定义的训练、验证和测试分割
• 数据实例示例包括令牌及其对应的情感标签

注意事项:

• 数据集可能不涵盖所有文本域或类型，模型训练结果可能存在偏差
• 数据不包含个人信息或敏感信息