有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Multilingual-Perspectivist-NLU/MultiPICo|讽刺检测数据集|多语言NLP数据集
收藏hugging_face2024-05-30 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/Multilingual-Perspectivist-NLU/MultiPICo
下载链接
链接失效反馈资源简介：
MultiPICo（多语言视角讽刺语料库）是一个用于讽刺检测的多语言语料库，包含了来自Twitter和Reddit的18,778对短对话（帖子-回复），以及每个注释者的人口统计信息（如年龄、国籍、性别等）。数据集支持讽刺分类任务，使用软标签（即注释的分布）或硬标签（即聚合标签）。数据集包含多种语言，每种语言有不同的变体。数据实例和注释者的数量也被详细列出。数据集的结构、数据字段、数据分割、初始数据收集和标准化过程、注释过程、注释者信息、个人和敏感信息、社会影响、偏见讨论、其他已知限制、数据集策展人和引用信息也被提及。
MultiPICo（多语言视角讽刺语料库）是一个用于讽刺检测的多语言语料库，包含了来自Twitter和Reddit的18,778对短对话（帖子-回复），以及每个注释者的人口统计信息（如年龄、国籍、性别等）。数据集支持讽刺分类任务，使用软标签（即注释的分布）或硬标签（即聚合标签）。数据集包含多种语言，每种语言有不同的变体。数据实例和注释者的数量也被详细列出。数据集的结构、数据字段、数据分割、初始数据收集和标准化过程、注释过程、注释者信息、个人和敏感信息、社会影响、偏见讨论、其他已知限制、数据集策展人和引用信息也被提及。
提供机构：
Multilingual-Perspectivist-NLU
原始信息汇总
数据集概述
数据集名称
MultiPICo (Multilingual Perspectivist Irony Corpus)
数据集描述
MultiPICo 是一个用于讽刺检测的多语言分解语料库，包含来自 Twitter (8,956 对) 和 Reddit (9,822 对) 的 18,778 对简短对话（帖子-回复），以及每位标注者的基本信息（年龄、国籍、性别等）。
数据集规模
- 实例总数：94,342
- 标注者总数：506
语言支持
- 西班牙语
- 英语
- 德语
- 阿拉伯语
- 葡萄牙语
- 法语
- 荷兰语
- 意大利语
- 印地语
数据实例分布
- 西班牙语：4,683 实例，122 标注者
- 英语：2,999 实例，74 标注者
- 德语：2,375 实例，70 标注者
- 阿拉伯语：2,181 实例，68 标注者
- 葡萄牙语：1,994 实例，49 标注者
- 法语：1,760 实例，50 标注者
- 荷兰语：1,000 实例，25 标注者
- 意大利语：1,000 实例，24 标注者
- 印地语：786 实例，24 标注者
数据字段
- 行：每个标注者的标注（通过“annotator_id”标识）
- 列：关于用户标注的目标文本的各种信息（post_id, post, reply_id, reply, language, language_variety），以及标注者的元数据（年龄、自识别性别、种族等）
数据分割
该语料库未分割为训练集和验证/测试集。
数据来源
- 文本来源：Reddit 和 Twitter 用户
- 标注过程：在 Prolific 平台上进行
许可证
CC-BY-4.0
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国空气质量数据集（2014-2020年）
数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI，包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台，每日更新。数据集的原始文件为CSV的文本记录，通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。
国家地球系统科学数据中心 收录
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
农业农作物生长全周期数据集
农业农作物生长全周期数据集通过整合农作物、农场面积、刺激类型、肥料用量、杀虫剂使用量、产量、土壤类型、季节和用水量等多维度数据，实现农业生产的精准化管理和可持续发展。
浙江大数据交易服务平台 收录
VisDrone2019
VisDrone2019数据集由AISKYEYE团队在天津大学机器学习和数据挖掘实验室收集，包含288个视频片段共261,908帧和10,209张静态图像。数据集覆盖了中国14个不同城市的城市和乡村环境，包括行人、车辆、自行车等多种目标，以及稀疏和拥挤场景。数据集使用不同型号的无人机在各种天气和光照条件下收集，手动标注了超过260万个目标边界框，并提供了场景可见性、对象类别和遮挡等重要属性。
github 收录
Yahoo Finance
Dataset About finance related to stock market
kaggle 收录