TextToKids/EmoTextToKids

EmoTextToKids数据集提供了从书面文档中提取的句子，并标注了情感信息。情感通过情感类别（如恐惧、愤怒、自豪等）和表达模式（如标记的、行为的、显示的或暗示的）来表征。与通常的情感识别数据集不同，这些文档不是对话式的，而是来自报纸、百科全书、小说等，专门针对儿童。数据集的语言为法语，任务类别为文本分类。数据集的结构包括多个字段，如previous_sentence、target_sentence、next_sentence、is_emotional、modes、types和categories。数据集分为训练集、验证集和测试集，并提供了每个子集的文本数量、句子数量、令牌数量和情感句子数量。数据集的创建过程包括手动注释和验证，注释过程由6位专家完成，并遵循特定的注释指南。

原始信息汇总

数据集概述

数据集名称

• EmoTextToKids

数据集描述

• 提供来自儿童相关文档（如报纸、百科全书、小说）的句子，并标注了情感信息。
• 情感通过情感类别（如恐惧、愤怒、自豪等）和表达模式（如标记、行为、显示或暗示）来描述。

语言

• 法语

数据集结构

• 数据实例：包含多个字段，如previous_sentence, target_sentence, next_sentence, is_emotional, modes, types, categories。
• 数据字段：
  • previous_sentence, target_sentence, next_sentence: 字符串类型
  • is_emotional: 布尔类型
  • modes, types, categories: 字符串序列类型，表示多个情感模式、类型和类别

数据分割

• 训练集：19560个样本，6845736字节
• 验证集：2781个样本，958060字节
• 测试集：5570个样本，1969946字节

许可证

• CC-BY-SA-4.0

支持的任务

• 情感识别

数据集创建

• 注释过程：数据由6位专家手动标注，遵循特定的标注指南。
• 注释一致性：通过与外部专家的标注进行比较，计算了kappa系数，以评估不同情感类别和模式的一致性。

引用信息

bibtex @misc{étienne2024emotion, title={Emotion Identification for French in Written Texts: Considering their Modes of Expression as a Step Towards Text Complexity Analysis}, author={Aline Étienne and Delphine Battistelli and Gwénolé Lecorvé}, year={2024}, eprint={2405.14385}, archivePrefix={arXiv}, primaryClass={cs.CL} }