sekarmulyani/ulasan-beauty-products

该数据集是从Shopee和Tokopedia平台上38家专门销售女性美容产品的官方店铺中收集的评论数据。数据收集使用了自动抓取工具，随后进行了数据标准化处理，包括处理表情符号、删除换行符和将文本转换为小写。数据集用于学术目的，是计算机科学专业毕业要求的一部分。数据集的语言是印尼语，并采用了one-hot编码技术。

原始信息汇总

Review Dataset of Womens Beauty Product in Tokopedia and Shopee

概述

• 数据集名称: Review Dataset of Womens Beauty Product in Tokopedia and Shopee
• 许可协议: Apache-2.0
• 任务类别: 文本分类
• 语言: 印度尼西亚语
• 数据规模: 10K<n<100K
• 别名: ulasan-beauty-products

数据集详情

• 数据来源: 从Shopee和Tokopedia平台上的38家官方美妆产品店铺收集的评论数据。
• 数据收集方法: 使用爬虫机器人自动从产品页面提取评论。
• 数据处理:
  1. 使用表情符号库处理评论中的表情符号。
  2. 删除换行符以保持数据的一致性和可读性。
  3. 将所有文本转换为小写，以减少因字母大小写变化引起的文本分析差异。
• 数据格式: 采用one-hot编码技术。
• 数据集划分:
  • 训练集: 57.2K行
  • 测试集: 3.81K行
  • 验证集: 15.3K行

项目背景

• 项目目的: 学术研究，作为Universitas Amikom Purwokerto计算机科学专业的毕业要求。
• 隐私保护: 评论者的身份已被完全删除或模糊处理，以保护其隐私。

引用信息

@misc {sekar_mulyani_2023, author = { {Sekar Mulyani} }, title = { ulasan-beauty-products (Revision b8202dc) }, year = 2023, url = { https://huggingface.co/datasets/sekarmulyani/ulasan-beauty-products }, doi = { 10.57967/hf/1028 }, publisher = { Hugging Face } }

搜集汇总

背景与挑战

背景概述

该数据集是一个印尼语美妆产品评论数据集，包含来自Shopee和Tokopedia平台38家官方店铺的约7.6万条评论，用于文本分类任务。数据经过爬虫抓取和标准化预处理（如表情处理、文本小写化），采用one-hot编码表示星级评分，并已匿名化处理，适用于学术研究。