HausaNLP/AfriSenti-Twitter

AfriSenti是最大的针对非洲语言的情感分析数据集，涵盖了14种非洲语言（包括阿姆哈拉语、阿尔及利亚阿拉伯语、豪萨语、伊博语、基尼亚卢旺达语、摩洛哥阿拉伯语、莫桑比克葡萄牙语、尼日利亚皮钦语、奥罗莫语、斯瓦希里语、提格里尼亚语、特威语、聪加语和约鲁巴语）中的110,000多条标注推文。该数据集用于第一个以非洲为中心的SemEval共享任务，即SemEval 2023任务12：非洲语言的情感分析（AfriSenti-SemEval）。AfriSenti使研究社区能够为各种非洲语言构建情感分析系统，并促进对非洲语言情感和当代语言使用的研究。

原始信息汇总

数据集概述

数据集名称

• 名称: AfriSenti
• 别名: AfriSenti-SemEval

数据集描述

• 描述: AfriSenti 是针对非洲语言的最大的情感分析数据集，包含超过110,000条标注的推文，涵盖14种非洲语言。
• 用途: 用于构建和研究非洲语言的情感分析系统，以及分析非洲语言中的情感和现代语言使用情况。

数据集任务

• 任务: 情感分类、情感强度分析、情绪检测
• 相关任务: 语义相似性分类、语义相似性评分

数据集语言

• 语言数量: 14种
• 具体语言: Amharic, Algerian Arabic, Hausa, Igbo, Kinyarwanda, Moroccan Arabic, Mozambican Portuguese, Nigerian Pidgin, Oromo, Swahili, Tigrinya, Twi, Xitsonga, Yoruba

数据集结构

• 数据实例: 每个实例包含一条推文和对应的标签。
• 数据字段:
  • tweet: 字符串类型
  • label: 分类标签，可能的值包括积极、消极和中性

数据集分割

• 分割: 训练集、验证集、测试集
• 统计信息: 详细统计信息见README文件中的表格

使用方法

• 加载数据集: 使用load_dataset函数从Hugging Face Datasets库加载数据集，可以选择特定的语言和分割类型。

许可证

• 许可证: Creative Commons Attribution 4.0 International License (CC-BY-NC-SA-4.0)

引用信息

• 引用格式: 见README文件中的引用信息部分

数据集创建者

• 创建者: 多位语言专家和数据科学家，具体人员名单见README文件中的表格

数据集来源

• 来源: Twitter

数据集影响

• 社会影响: 有助于提升非洲语言的情感分析能力，促进对非洲大陆多元视角的理解和分析。