虚假评论识别

###### 该数据集当前使用的是默认介绍模版，请根据[数据集文件规范](https://www.modelscope.cn/docs/%E6%95%B0%E6%8D%AE%E9%9B%86%E6%96%87%E4%BB%B6%E8%A7%84%E8%8C%83)及时完善数据集卡片内容。谢谢您的理解。

### Clone with HTTP
```bash
git clone https://www.modelscope.cn/datasets/jimmyliu12345/yelpzip.git
```
---

license: Apache License 2.0
#虚假评论识别
tags:
- Alibaba
- arxiv:1810.99999
- my free-style tag

text:
#二级只能属于一个task_categories
fill_mask:
#三级可以多选
languages:
- en

---

<!---
以上YAML section提供属性/tags描述---
>

<!---
以下为markdown格式的dataset描述---
>

## 数据集描述
yelp商业数据评论

### 数据集简介
提供对于数据集的介绍，支持的使用场景（包括支持的语言等）。

### 数据集支持的任务
该数据集支持的训练任务，以及相关benchmark结果。

## 数据集的格式和结构

### 数据格式
text：评论文本
userid:用户id
prod_id
rating
label
date

### 数据集加载方式
通过代码范例等方式，提供数据集通过MaaS/Dataset SDK进行加载和使用的详细说明。

### 数据分片
数据集是否进行了预分片（例如是否有预设的train/test/validation的数据分片）。
如果有，数据的分片时如何实现的。
如果没有预先分片，是否对于数据使用过程中的分片有什么推荐（比例等）。

## 数据集生成的相关信息

### 原始数据
描述原始数据的来源以及数据的初步收集是如何进行的，是否经过归一化等处理流程。

### 数据集标注
该数据集是否包含标注，若有的话，相关信息描述。

#### 标注过程
标注是通过什么方式实现的，流程如何。

#### 标注者
标注者相关信息，尤其是当标着和原始数据提供者有所区别时。

## 数据集版权信息

数据集相关的版权信息，授权使用的场景和用户。是否开源，以及采用哪个开源协议等等。

## 引用方式

数据集是否有相关联的文章，以及如果在研究论文中要引用该数据集是否有推荐的引用格式等等。

## 其他相关信息

该数据集可能包含的个人和敏感信息，使用数据集需要考虑的相关背景；
数据集可能包含的社会意义以及其中可能包含的bias信息和可能的局限性等等

This dataset currently uses the default introduction template. Please promptly improve the dataset card content in accordance with the [Dataset File Specification](https://www.modelscope.cn/docs/%E6%95%B0%E6%8D%AE%E9%9B%86%E6%96%87%E4%BB%B6%E8%A7%84%E8%8C%83). Thank you for your understanding.

### Clone with HTTP
bash
git clone https://www.modelscope.cn/datasets/jimmyliu12345/yelpzip.git

---

license: Apache License 2.0
#Fake Review Detection
tags:
- Alibaba
- arxiv:1810.99999
- my free-style tag

text:
#Secondary-level categories can only be assigned to one task_categories
fill_mask:
#Third-level categories support multiple selections
languages:
- en

---

<!---
以上YAML section提供属性/tags描述---
>

<!---
以下为markdown格式的dataset描述---
>

## Dataset Description
Yelp business review data

### Dataset Overview
Provides an introduction to the dataset and its supported usage scenarios (including supported languages, etc.).

### Supported Tasks
This dataset supports various training tasks and related benchmark results.

## Dataset Format and Structure

### Data Format
text: Review text
userid: User ID
product_id
rating
label
date

### Dataset Loading Method
Provide detailed instructions for loading and using the dataset via the MaaS/Dataset SDK, including code examples and other relevant methods.

### Data Splitting
Whether the dataset has been pre-split (e.g., whether there are preset train/test/validation data splits). If yes, how was the data splitting implemented? If no pre-splitting is performed, are there any recommendations for splitting during dataset usage (such as split ratios)?

## Relevant Information for Dataset Generation

### Raw Data
Describe the source of the raw data, how the initial data collection was conducted, and whether any processing procedures such as normalization have been applied.

### Dataset Annotation
Whether the dataset contains annotations; if so, describe the relevant information.

#### Annotation Process
How was the annotation implemented, and what is the detailed workflow?

#### Annotators
Relevant information about the annotators, especially when the annotators differ from the original data providers.

## Dataset Copyright Information
Copyright information related to the dataset, authorized usage scenarios and users, whether it is open source, and which open-source license is adopted, etc.

## Citation Method
Whether the dataset has associated academic articles, and if there is a recommended citation format for referencing the dataset in research papers, etc.

## Other Relevant Information
Personal and sensitive information that may be contained in the dataset, relevant background considerations for using the dataset; potential social significance of the dataset, as well as possible bias information and limitations, etc.

搜集汇总

背景与挑战

背景概述

该数据集是一个用于虚假评论识别的英语数据集，基于Yelp数据构建，适用于自然语言处理中的掩码填充任务。数据集由阿里巴巴相关团队发布，许可证为Apache License 2.0，更新于2024年9月，大小为563.84MB。