MTE313/SnappFood_dataset_advanced

首先，Snapp Food数据集由Snapp公司创建。它是一个包含70,000个样本的波斯语NLP数据集，数据来源于SnappFood的用户评论，但最初只有2个类别。我们（NEXARA GROUP）对这个流行数据集进行了增强，将其扩展为5个类别。我们微调了一个NLP模型来标注数据，并开发了一个应用程序以提供更好的体验。我们将很快发布下载应用程序和模型的链接。First, the Snapp Food dataset was created by Snapp Corporation. It is a Persian NLP dataset containing 70,000 samples, sourced from user reviews of SnappFood, which originally had only two categories. We (NEXARA GROUP) enhanced this popular dataset and expanded it to 5 categories. We fine-tuned an NLP model for data annotation and developed an application to provide a better user experience. We will shortly release the download links for both the application and the model.

搜集汇总

数据集介绍

构建方式

SnappFood_dataset_advanced 数据集源起于伊朗Snapp公司所收集的SnappFood用户评论，最初仅包含两个情感类别，规模达七万样本。NEXARA研究团队在此基础上进行拓展，通过微调自然语言处理模型对原始数据进行自动标注，将类别扩展至五个，涵盖更细致的用户反馈维度。数据集以Excel格式保存，并提供了预览文件供快速查看。

特点

该数据集的核心特色在于其从二元分类向五元分类的升级，显著提升了情感分析的粒度与实用性。样本规模保持在七万级别，语言为波斯语，适用于因特网餐饮评论领域。数据来源于真实用户评论，结合了Snapp公司的原始采集与NEXARA团队的模型增强标注，兼顾了数据的自然性与标签的准确性。

使用方法

数据集可作为文本分类任务的微调与评估基准，尤其适用于波斯语情感分析及用户评价理解场景。使用者可直接下载SnappFood_70000Samples.xlsx文件，通过常规数据处理框架读取，并利用其中的五类标签开展模型训练或测试。NEXARA团队后续还将发布配套的标注模型与应用，进一步简化数据的使用流程。

背景与挑战

背景概述

SnappFood_dataset_advanced是一个面向波斯语文本分类任务的多类别情感分析数据集，由伊朗Snapp公司于2022年发布，后经NEXARA研究团队扩展与优化。该数据集基于SnappFood平台的用户评论构建，原始版本包含70,000个样本，但仅支持二元分类。NEXARA团队通过先进的自然语言处理模型对数据进行精细标注，将其升级为五类别数据集，显著提升了情感分析的粒度与实用性。该数据集在波斯语计算语言学领域具有重要影响力，为低资源语言的文本分类研究提供了高质量基准，推动了中东地区自然语言处理技术的发展。

当前挑战

该数据集所解决的领域挑战在于，波斯语情感分析长期缺乏大规模且标注精细的公开语料库，传统二元分类难以捕捉复杂情绪表达。构建过程中面临的核心挑战包括：原始数据集仅含积极与消极两类标签，需设计可靠的半自动标注策略以扩展为多类别；标注过程依赖微调后的NLP模型，但模型自身可能引入偏差，需通过人工校验确保标签质量；此外，用户评论包含大量口语化表达、拼写变体及波斯语特有的语法结构，增加了文本清洗与预处理的难度。

常用场景

经典使用场景

SnappFood_dataset_advanced 源自伊朗知名外卖平台SnappFood的用户评论文本，经过NEXARA团队的精细化扩展，从原始的二元情感分类数据集升级为涵盖五类情感倾向的标注资源。该数据集最经典的使用场景在于波斯语文本的情感分类任务，研究者可基于其中约七万条高质量用户评论，训练和评估自然语言处理模型在多分类任务上的表现。其细粒度的情感标签体系，使模型能够区分更为复杂的情感色彩，从而推动低资源语言的情感分析研究迈向新台阶。

衍生相关工作

围绕SnappFood_dataset_advanced，研究者已经衍生出若干经典工作方向。首先，基于该数据集微调的波斯语情感分类模型（如使用BERT或XLM-R等预训练模型）被广泛用于后续文本分析工具的开发。其次，NEXARA团队配套构建的标注应用和模型社区，推动了低资源NLP任务中的人机协同标注范式研究。此外，该数据集也催生了针对外卖评论的细粒度方面级情感分析、迁移学习在波斯语上的有效性验证，以及多语言情感模型在波斯语上的零样本学习能力评估等后续探索。

数据集最近研究

最新研究方向

在波斯语自然语言处理领域，SnappFood_dataset_advanced的诞生标志着情感分析任务从二元分类向多类别判定的重要跃迁。该数据集基于Snapp公司原始7万条用户评论文本，经NEXARA团队通过微调NLP模型进行精细标注，扩展为五分类体系，填补了波斯语细粒度情感资源稀缺的空白。当前研究前沿聚焦于利用该数据集训练多标签分类模型，探索跨领域迁移学习的可行性，同时结合众包标注与主动学习策略提升标注质量。这一工作不仅为波斯语电商平台的用户反馈分析提供了标准化基准，更推动了低资源语言在意见挖掘、服务质量监测等热点方向上的技术落地，对构建多语言情感理解生态系统具有里程碑意义。