hajili/azerbaijani_tweet_emotion_classification

该数据集包含15万条（训练集+测试集）经过清洗的阿塞拜疆语推文。这些推文收集于2021年，并通过多个步骤进行过滤和清理。具体步骤包括使用twint库进行初始数据收集、使用fastText语言识别模型筛选阿塞拜疆语推文、使用表情符号作为基于规则的分类器将推文分类为三种情感类别（正面、负面、中性），以及清理标签、用户名和表情符号，并过滤掉过短的推文。

原始信息汇总

数据集概述

数据集信息

• 许可证: MIT
• 任务类别: 文本分类
• 语言: 阿塞拜疆语
• 数据量: 100K<n<1M

数据集描述

• 数据来源: 2021年收集的推文
• 数据处理步骤:
  • 使用twint库收集初始数据，该工具目前已废弃，无法与新版Twitter配合使用。
  • 通过fastText语言识别模型进一步筛选阿塞拜疆语推文。
  • 使用表情符号作为基于规则的分类器，将推文分为三种情感类别：{积极: 1, 消极: -1, 中性: 0}。
  • 清理标签、用户名和表情符号。
  • 过滤掉短推文。