TM-Senti

This is a large-scale, multilingual and longitudinal Twitter sentiment dataset sampled through distant supervision from the Twitter Stream Grab archive (https://archive.org/details/twitterstream). It covers the time period between January 2013 and June 2020 for 7 languages:- Arabic (ar)<br>- German (de)<br>- English (en)- Spanish (es)- French (fr)- Italian (it)- Chinese (zh)<br>With the files in this repository, we provide tweet IDs that can be used to rehydrate the datasets by using the files available from the Twitter Stream Grab.<br><br>Files are formatted as TSV files, with the following columns:<br>date \t tweetid \t sentiment \t evidence<br>where:- date is the day in which the tweet was posted.- tweetid is the ID of the tweet- sentiment is either pos or neg- evidence is the set of emojis or emoticons used to determine if the tweet was positive or negative.<br><br>More details about the dataset can be found in the following paper (please cite the paper if you use the dataset):<br>TBA<br>

本数据集为大规模多语言纵向Twitter情感数据集，通过远程监督方法从Twitter Stream Grab存档（https://archive.org/details/twitterstream）中采样获取。其时间覆盖范围为2013年1月至2020年6月，涵盖7种语言：阿拉伯语(ar)、德语(de)、英语(en)、西班牙语(es)、法语(fr)、意大利语(it)、中文(zh)。

本仓库提供的文件包含推文ID，用户可借助Twitter Stream Grab的公开文件，通过这些ID复现原始数据集。

数据集文件采用制表符分隔值（Tab-Separated Values，TSV）格式，包含以下字段：日期（date）、推文ID（tweetid）、情感标签（sentiment）、佐证依据（evidence）。各字段详情如下：
- 日期（date）：推文发布的当日日期
- 推文ID（tweetid）：推文的唯一标识符
- 情感标签（sentiment）：仅可取值为pos（积极）或neg（消极）
- 佐证依据（evidence）：用于判定推文情感极性的表情（emoji）或表情符号（emoticon）集合

有关本数据集的更多细节可参阅以下论文，若您使用本数据集，请务必引用该论文：待补充（TBA）。