razhan/imdb_ckb

IMDB Kurdish数据集是IMDB电影评论的库尔德语翻译版本，包含50K条高度极化的电影评论，分为正面和负面两类，适用于二分类情感分析任务。该数据集的可用性有助于研究人员和开发者训练和评估库尔德语处理的机器学习模型。需要注意的是，机器学习算法的准确性取决于其训练数据的质量（在本例中为翻译质量），因此数据集的质量和相关性将影响最终模型的性能。该数据集使用谷歌翻译进行翻译。

The IMDB Kurdish Dataset is a Kurdish translation of the IMDB movie reviews corpus, containing 50K highly polarized movie reviews categorized into positive and negative classes, which is suitable for binary-class sentiment analysis tasks. The availability of this dataset helps researchers and developers train and evaluate machine learning models for Kurdish language processing. It should be noted that the accuracy of machine learning algorithms depends on the quality of their training data (in this case, translation quality), so the quality and relevance of the dataset will affect the performance of the final trained model. This dataset was translated using Google Translate.

原始信息汇总

数据集概述

数据集名称

• 名称: IMDB_CKB
• 别名: IMDB Kurdish

数据集基本信息

• 语言:
  • 中央库尔德语 (ckb)
  • 库尔德语 (ku)
• 语言创建方式: 众包
• 许可: 其他
• 多语言性: 单语
• 大小: 10K<n<100K
• 来源数据集: 扩展自IMDB
• 标签创建者: 专家生成
• 任务类别: 文本分类
• 任务ID:
  • 情感分析
  • 情感分类

数据集结构

• 特征:
  • 文本: 字符串类型
  • 标签: 分类标签，可能值包括 neg (0), pos (1)
• 配置名称: plain_text
• 数据分割:
  • 训练集: 24903个样本
  • 测试集: 24692个样本

数据集创建

• 翻译工具: Google Translator

引用信息

@InProceedings{maas-EtAl:2011:ACL-HLT2011, author = {Maas, Andrew L. and Daly, Raymond E. and Pham, Peter T. and Huang, Dan and Ng, Andrew Y. and Potts, Christopher}, title = {Learning Word Vectors for Sentiment Analysis}, booktitle = {Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies}, month = {June}, year = {2011}, address = {Portland, Oregon, USA}, publisher = {Association for Computational Linguistics}, pages = {142--150}, url = {http://www.aclweb.org/anthology/P11-1015} }

贡献者

• 贡献者: Razhan Hameed

搜集汇总

背景与挑战

背景概述

该数据集是著名IMDB电影评论数据集的中央库尔德语翻译版本，包含5万条高度极性的电影评论，均匀分为正面和负面两类，适用于情感分类任务。数据集使用Google翻译生成，旨在支持库尔德语自然语言处理研究，但翻译质量可能影响机器学习模型的准确性。