linceancestral/sentimientos

该数据集名为sentimientos，使用Argilla工具创建，包含文本字段和问题字段。问题字段包括情感标签（如正面、中性、负面）和多标签情感选择（如喜悦、愤怒、悲伤、恐惧、惊讶、爱）。数据集的结构包括字段、问题、建议、元数据和注释指南。数据集可以通过Argilla或HuggingFace的`datasets`库加载。数据集的创建和注释过程的信息缺失，需要进一步补充。

原始信息汇总

数据集卡片 for sentimientos

数据集描述

数据集概述

该数据集包含：

• 符合 Argilla 数据集格式的配置文件 argilla.yaml。该配置文件将在使用 Argilla 的 FeedbackDataset.from_huggingface 方法时用于配置数据集。
• 与 HuggingFace datasets 兼容的数据集记录。这些记录在使用 FeedbackDataset.from_huggingface 时会自动加载，也可以通过 datasets 库的 load_dataset 方法独立加载。
• 用于构建和整理数据集的标注指南（如果在 Argilla 中定义）。

加载数据集

使用 Argilla 加载

安装 Argilla 并使用以下代码加载数据集：

python import argilla as rg

ds = rg.FeedbackDataset.from_huggingface("linceancestral/sentimientos")

使用 datasets 加载

安装 datasets 库并使用以下代码加载数据集：

python from datasets import load_dataset

ds = load_dataset("linceancestral/sentimientos")

支持的任务和排行榜

该数据集可以包含多个字段、问题和响应，因此可以用于不同的 NLP 任务，具体取决于配置。数据集结构在数据集结构部分中描述。

该数据集没有关联的排行榜。

数据集结构

数据在 Argilla 中

数据集在 Argilla 中创建，包含以下内容：字段、问题、建议、元数据、向量和指南。

字段是数据集记录本身，目前仅支持文本字段。这些字段将用于提供对问题的响应。

字段名称	标题	类型	必填	Markdown
text	文本	text	True	False

问题是向标注者提出的问题。它们可以是不同类型，如评分、文本、标签选择、多标签选择或排序。

问题名称	标题	类型	必填	描述	值/标签
sentiment	情感	label_selection	True	N/A	[positive, neutral, negative]
mixed-emotion	混合情感	multi_label_selection	True	N/A	[joy, anger, sadness, fear, surprise, love]

建议是人为或机器生成的推荐，用于在标注过程中协助标注者。这些建议总是与现有问题相关联，并命名为“-suggestion”和“-suggestion-metadata”，包含建议的值及其元数据。

元数据是一个字典，用于提供有关数据集记录的额外信息。这可以为标注者提供额外的上下文，或提供有关数据集记录本身的额外信息。元数据总是可选的，并且可以与 argilla.yaml 中定义的 metadata_properties 相关联。

指南是可选的，只是一个用于向标注者提供指示的纯字符串。请参阅标注指南部分。

数据实例

在 Argilla 中的数据集实例示例如下：

json { "external_id": null, "fields": { "text": "i didnt feel humiliated" }, "metadata": {}, "responses": [], "suggestions": [], "vectors": {} }

在 HuggingFace datasets 中的相同记录如下：

json { "external_id": null, "metadata": "{}", "mixed-emotion": [], "mixed-emotion-suggestion": null, "mixed-emotion-suggestion-metadata": { "agent": null, "score": null, "type": null }, "sentiment": [], "sentiment-suggestion": null, "sentiment-suggestion-metadata": { "agent": null, "score": null, "type": null }, "text": "i didnt feel humiliated" }

数据字段

数据集字段包括以下内容：

• 字段：这些是数据集记录本身，目前仅支持文本字段。这些字段将用于提供对问题的响应。

  • text 是 text 类型。

• 问题：这些是向标注者提出的问题。它们可以是不同类型，如 RatingQuestion、TextQuestion、LabelQuestion、MultiLabelQuestion 和 RankingQuestion。

  • sentiment 是 label_selection 类型，允许值为 [positive, neutral, negative]。
  • mixed-emotion 是 multi_label_selection 类型，允许值为 [joy, anger, sadness, fear, surprise, love]。

• 建议：从 Argilla 1.13.0 开始，建议已包含在内，以在标注过程中为标注者提供建议，以简化或协助标注过程。建议与现有问题相关联，总是可选的，并且不仅包含建议本身，还包含其相关元数据（如果适用）。

  • （可选）sentiment-suggestion 是 label_selection 类型，允许值为 [positive, neutral, negative]。
  • （可选）mixed-emotion-suggestion 是 multi_label_selection 类型，允许值为 [joy, anger, sadness, fear, surprise, love]。

此外，还有两个可选字段：

• 元数据：这是一个可选字段，用于提供有关数据集记录的额外信息。这可以为标注者提供额外的上下文，或提供有关数据集记录本身的额外信息。元数据总是可选的，并且可以与 argilla.yaml 中定义的 metadata_properties 相关联。
• external_id：这是一个可选字段，用于为数据集记录提供外部 ID。如果你想将数据集记录链接到外部资源（如数据库或文件），这可能很有用。

数据分割

数据集包含一个分割，即 train。

数据集创建

标注指南

情感数据集包含六种基本情感的英语 Twitter 消息：愤怒、恐惧、喜悦、爱、悲伤和惊讶。