TextToKids/EmoTextToKids-sentences

EmoTextToKids数据集包含从书面文档中提取的句子，并标注了情感信息。情感通过情感类别（如恐惧、愤怒、自豪等）和表达模式（如标签化、行为化、展示化或暗示化）来表征。与通常的情感识别数据集不同，这些文档并非对话形式，而是来自报纸、百科全书、小说等面向儿童的文本。数据集支持情感识别任务，语言为法语。数据集结构包括多个字段，如previous_sentence、target_sentence、next_sentence、is_emotional、modes、types和categories。数据被分为训练集、验证集和测试集。数据集的创建过程包括手动注释和验证，注释者遵循了特定的注释指南。

EmoTextToKids provides sentences from written documents annotated in emotions. Emotions are characterized by their emotional category (fear, anger, pride...) and their expression mode (labeled, behavioral, displayed or suggester). The dataset includes fields such as previous sentence, target sentence, next sentence, is_emotional, modes, types, and categories. The dataset is divided into train, validation, and test sets, with detailed statistics provided for each subset. The data was manually annotated by 6 experts and validated by an external expert, with annotation quality assessed using Kappa coefficients. The dataset is primarily used for emotion recognition tasks.

原始信息汇总

数据集概述

数据集信息

语言

• 法语

许可证

• CC BY-SA 4.0

任务类别

• 文本分类

数据集特征

• previous_sentence: 字符串
• types: 字符串序列
• modes: 字符串序列
• categories: 字符串序列
• next_sentence: 字符串
• target_sentence: 字符串
• is_emotional: 布尔值

数据集分割

• train: 19560个样本，6845736字节
• validation: 2781个样本，958060字节
• test: 5570个样本，1969946字节

数据集大小

• 下载大小: 5791557字节
• 数据集总大小: 9773742字节

配置

• default
  • train: data/train-*
  • validation: data/validation-*
  • test: data/test-*

标签

• emotions

数据集描述

数据集摘要

• EmoTextToKids 提供从书面文档中提取的句子，并标注了情感。
• 情感由情感类别（如恐惧、愤怒、骄傲等）和表达模式（如标注、行为、展示或暗示）来表征。
• 文档来源包括报纸、百科全书、小说等，专为儿童设计。

支持的任务和排行榜

• 情感识别

数据实例

json { "previous_sentence": "Un an plus tard, le Sénat lui accorde la dictature sans limite dans le temps. ", "target_sentence": "Mais à Rome, la gloire de César inquiète certains sénateurs. ", "next_sentence": "Un complot commence à s’organiser autour d’un homme nommé Cassius. ", "is_emotional": true, "modes": [ "labeled" ], "types": [ "basic" ], "categories": [ "fear" ] }

数据字段

• previous_sentence: 前一句
• types: 情感类型
• modes: 表达模式
• categories: 情感类别
• next_sentence: 下一句
• target_sentence: 目标句子
• is_emotional: 是否情感句

数据分割

子集	文本数	句子数	词数	情感句子数
train	1,129	19,553	360K	3,952
dev	182	2,770	53K	438
test	283	5,588	102K	984
Total	1,594	27,911	515K	5,374

数据集创建

• 数据由6位专家手动标注，遵循标注指南。
• 标注结果通过与外部专家的标注进行对比验证。

标注过程

标签	Kappa
emotional	0.66
Modes
behavioral	0.70
labeled	0.73
displayed	0.68
suggested	0.46
Types
basic	0.66
complex	0.55
Categories
admiration	0.53
anger	0.71
guilt	0.50
disgust	0.87
embarrassment	0.51
pride	0.25
jealousy	1.00
joy	0.51
fear	0.64

搜集汇总

数据集介绍

构建方式

EmoTextToKids-sentences数据集专为儿童书面文本中的情感识别任务而设计，其构建过程严谨而系统。数据源自面向儿童群体的报纸、百科全书及小说等非对话式文档，确保了语料的领域独特性。六位领域专家严格遵循既定的情感标注指南，对句子进行了多维度手工标注，涵盖情感类别（如恐惧、愤怒、自豪等）及表达模式（包括标记型、行为型、展示型与暗示型）。标注质量通过外部专家复标与Cohen's Kappa系数验证，多数标签达到中等至高度一致性，从而构建了包含近两万八千条样本的高质量情感语料库。

使用方法

该数据集在HuggingFace平台上以标准格式发布，支持通过datasets库便捷加载。用户可调用`load_dataset`函数直接获取预划分的训练、验证与测试集，其JSON结构清晰，每条样本包含上下文句子（前句与后句）、目标句子、情感二值标签及对应的模式、类型与类别列表。数据集主要面向文本分类任务，特别是法语儿童文本的情感识别，研究者可直接用于训练分类器或进行情感表达模式的细粒度分析。此外，其非对话属性使其成为研究叙事文本情感构建的独特基准资源。

背景与挑战

背景概述

情感识别作为自然语言处理领域的重要分支，长期以来主要聚焦于成人语料或口语对话场景。然而，面向儿童书面文本的情感分析却鲜有研究，这限制了对儿童文学、教育材料中情感复杂性的深入理解。在此背景下，EmoTextToKids数据集应运而生，由Gwénolé Lecorvé等研究人员于2024年创建，相关成果发表于ACL WASSA 2024会议。该数据集聚焦于法语儿童读物，涵盖报纸、百科全书、小说等多种体裁，总计包含1,594篇文本及27,911个句子，其中5,374句被标注为情感句。其核心研究问题在于：如何系统性地捕捉非对话式儿童文本中的情感表达，并区分情感类型（如恐惧、愤怒、自豪）与表达模式（如标签式、行为式、展示式或暗示式）。该数据集的发布填补了儿童情感语料库的空白，为教育文本复杂度分析、儿童心理研究及情感计算提供了宝贵资源。

当前挑战

EmoTextToKids数据集所面临的挑战首先体现在领域问题的复杂性上：与常见的对话情感识别不同，儿童书面文本中的情感表达更为隐晦，常通过叙事性描述或间接暗示呈现，这要求模型具备更强的上下文推理能力。此外，情感标签的细粒度划分（如将“嫉妒”与“尴尬”区分）以及四种表达模式（标签式、行为式、展示式、暗示式）的共存，增加了分类任务的难度。在构建过程中，数据集的挑战同样显著：六位专家依据严格指南完成人工标注，但标注者间一致性分析显示，复杂情感类别（如“自豪”的Kappa值仅0.25）和暗示模式的认可度（Kappa值0.46）较低，反映了主观标注的固有歧义。同时，情感句仅占总句子数的19.3%，导致类别不平衡问题，可能影响模型对少数情感的敏感性。这些挑战共同指向一个核心难题：如何在有限且分布不均的数据上，训练出既能捕捉显性情感又能解析微妙暗示的鲁棒系统。

常用场景

经典使用场景

EmoTextToKids-sentences 数据集聚焦于面向儿童的书面文本（如报纸、百科全书、小说）中的情感识别任务。其经典使用场景在于利用非对话式文本，通过标注情感类别（如恐惧、愤怒、骄傲）与表达模式（如标签式、行为式、展示式、暗示式），训练模型精准捕捉儿童文学中隐含的情感信号。这一设计突破了传统情感数据集多依赖口语对话的局限，为分析儿童导向文本中的情感复杂性提供了标准化基准，尤其适用于需要理解情感表达多样性的自然语言处理研究。

解决学术问题

该数据集解决了情感识别领域长期存在的两大学术问题：一是缺乏面向非对话式、儿童专用文本的高质量标注资源，二是情感表达模式（如显性标签与隐性暗示）的区分未被系统建模。通过引入多维度标注体系（情感类别、类型、模式），EmoTextToKids 使研究者能够深入探究文本复杂度与情感表达之间的关系，推动了情感计算理论从简单分类向多模态情感理解演进，为情感语言学与教育技术交叉研究奠定了数据基础。

实际应用

在实际应用中，EmoTextToKids 可赋能儿童教育工具与内容审核系统。例如，智能阅读平台可利用该数据集训练模型，自动识别儿童读物中潜在的情感触发点（如恐惧或焦虑内容），从而为不同年龄段的读者提供个性化推荐或情绪预警。此外，该数据集还可用于开发儿童心理健康监测系统，通过分析儿童写作或阅读材料中的情感表达模式，辅助识别情绪困扰迹象，提升教育科技产品的安全性与人文关怀。

数据集最近研究

最新研究方向

EmoTextToKids数据集聚焦于面向儿童的非对话文本情感识别，突破了传统情感分析依赖对话语料的局限。当前前沿研究借助该数据集探索情感表达模式的细粒度分类（如标示型、行为型、展示型与暗示型），并关注基础情感（恐惧、愤怒等）与复合情感的区分。该数据集与儿童文学、教育文本的可读性及情感复杂性分析紧密关联，为理解儿童文本中的情感传递机制提供了新视角。其意义在于推动低龄受众文本的情感计算研究，支持教育技术、儿童心理辅助系统等应用，同时通过标注一致性评估（如Kappa系数）为情感标注方法论树立了标杆。