MU-NLPC/Propaganda

基准Propaganda数据集包含8,646篇2016年（5,500篇文档，270万词）、2017年（1,994篇文档，93万词）和2018年（1,152篇文档，50万词）的报纸文章。与其他资源相比，Propaganda数据集包含文档级属性和特定文本设备的细粒度注释。捷克共和国被选为代表前苏联影响范围内的国家，因此具有显著活跃的宣传来源。分析的新闻文本来自四个捷克语新闻媒体：Sputnik News、Parlamentní listy（议会信件）、AC24和Svět kolem nás（我们周围的世界）。

原始信息汇总

数据集概述

数据集基本信息

• 语言: 捷克语 (cs)
• 许可证: CC-BY-NC-SA-4.0
• 大小: 1K<n<10K

数据集特征

• id: 字符串
• text: 字符串
• genre: 字符串
• topic: 字符串
• scope: 字符串
• location: 字符串
• argumentation: 字符串
• emotions: 字符串
• overall_sentiment: 字符串
• russia: 字符串
• opinion: 字符串
• expert: 字符串
• source: 字符串
• fear-mongering: 字符串
• blaming: 字符串
• labeling: 字符串
• demonization: 字符串
• relativization: 字符串
• fabulation: 字符串
• ranges: 列表
  • attribute: 字符串
  • end: 整数
  • start: 整数
  • text: 字符串

数据集分割

• 训练集: 7642个样本，27173943字节
• 测试集: 1000个样本，3727325字节
• 下载大小: 19285049字节
• 数据集大小: 30901268字节

数据集配置

• 配置名称: default
• 数据文件:
  • 训练集: data/train-*
  • 测试集: data/test-*

数据集描述

• 文档数量: 8,646篇
• 来源: 四个捷克新闻网站
• 时间范围: 2016至2018年
• 特点: 包含文档级属性和特定文本设备的精细标注

数据集属性

1. 操纵技术:

   • Argumentation: 是/否
   • Blaming: 是/否
   • Demonization: 是/否
   • Emotions: 不满/仇恨/同情/恐惧/缺失
   • Fabulation: 是/否
   • Fear-mongering: 是/否
   • Labeling: 是/否
   • Relativization: 是/否

2. 全局属性:

   • Genre: 新闻/评论/采访
   • Location: EU/捷克共和国/美国/俄罗斯/NATO/俄罗斯+美国/其他地点/其他/无法确定
   • Overall Sentiment: 正面/负面/中性
   • Topic: 多种主题
   • Scope: 国外/国内/两者/无法确定

3. 其他属性:

   • Expert: 是/否
   • Opinion: 是/否
   • Russia: 正面例子/中性/受害者/负面例子/英雄/缺失
   • Source: 是/否