sanket03/emotion-custom

该数据集包含一个符合Argilla数据集格式的配置文件`argilla.yaml`，以及与HuggingFace `datasets`库兼容的数据记录。数据集主要用于情感分析任务，包含文本字段和情感标签。数据集的结构包括字段、问题、建议、元数据和注释指南。数据集的加载可以通过Argilla或HuggingFace的`datasets`库实现。

原始信息汇总

数据集卡片 for emotion-custom

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，用于在使用Argilla的FeedbackDataset.from_huggingface方法时配置数据集。
• 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）。

加载方式

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("sanket03/emotion-custom")

使用datasets库加载

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("sanket03/emotion-custom")

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。

语言

[更多信息需要]

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：数据集记录本身，目前仅支持文本字段。

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

• 问题：向标注者提出的问题，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：人类或机器生成的推荐，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：用于提供关于数据集记录的额外信息的字典。这可以为标注者提供额外的上下文，或提供关于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中的metadata_properties定义相关联。

• 指南：可选的纯文本字符串，用于向标注者提供说明。

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中的相同记录示例如下：

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：

• 字段：数据集记录本身，目前仅支持文本字段。

  • text 类型为 text。

• 问题：向标注者提出的问题，可以是不同类型。

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

• 建议：自Argilla 1.13.0起，建议已包含在内，以在标注过程中为标注者提供建议。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 类型为 label_selection，允许值为 [positive, neutral, negative]。
  • (可选) mixed-emotion-suggestion 类型为 multi_label_selection，允许值为 [joy, anger, sadness, fear, surprise, love]。

此外，还有两个可选字段：

• metadata：用于提供关于数据集记录的额外信息的可选字段。
• external_id：用于为数据集记录提供外部ID的可选字段。

数据分割

数据集包含一个分割，即 train。

数据集创建

标注指南

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

标注过程

[更多信息需要]

标注者

[更多信息需要]

个人和敏感信息

[更多信息需要]