mrshu/amazonreviews

该数据集包含数百万条亚马逊客户评论（输入文本）和星级评分（输出标签），用于训练fastText模型进行情感分析。数据集基于真实业务数据，规模适中，可以在普通笔记本电脑上快速训练。数据格式符合fastText监督学习教程的要求，类别标签为`__label__1`和`__label__2`，分别对应1-2星和4-5星的评论，3星评论被排除。评论标题被添加到文本前，大多数评论为英文，少数为其他语言如西班牙语。数据集来源于Xiang Zhang的Google Drive目录，并经过适配以用于fastText。

原始信息汇总

数据集概述

数据集描述

该数据集包含数百万条亚马逊客户评论（输入文本）和星级评分（输出标签），用于训练fastText模型进行情感分析。数据集规模适中，可以在普通笔记本电脑上几分钟内完成训练。

数据格式

fastText监督学习教程要求数据采用以下格式：

__label__<X> __label__<Y> ... <Text>

• X 和 Y 是类名，不带引号，且在同一行。
• 在本数据集中，类名为 __label__1 和 __label__2，每行只有一个类。
• __label__1 对应1星和2星评论，__label__2 对应4星和5星评论。
• 3星评论（中性情感）不包含在数据集中。
• 评论标题前置于文本，后跟冒号和空格。
• 大部分评论为英文，少数为其他语言，如西班牙语。

数据来源

数据来自Xiang Zhang的Google Drive目录中的.csv格式文件，经过调整后适用于fastText。

训练与测试

训练

使用以下命令训练模型：

bash ./fasttext supervised -input train.ft.txt -output model_amzn

训练时间约为几分钟。

测试

使用以下命令进行测试：

bash ./fasttext test model_amzn.bin test.ft.txt

预期精确度和召回率为0.916。