CATIE-AQ/amazon_reviews_multi_fr_prompt_stars_classification

amazon_reviews_multi_fr_prompt_stars_classification数据集是法语提示数据集（DFP）的一个子集，包含4,620,000行数据，用于星级分类情感分析任务。原始数据来自amazon_reviews_multi数据集中的法语部分，并应用了28种提示来构建输入和目标列，格式与xP3数据集相同。数据集分为训练集、验证集和测试集，分别包含4,400,000、110,000和110,000个样本。

原始信息汇总

数据集概述

数据集名称：amazon_reviews_multi_fr_prompt_stars_classification

数据集来源：该数据集是Dataset of French Prompts (DFP)的一个子集，原始数据来自amazon_reviews_multi。

数据集大小：包含4,620,000行数据。

语言：法语（fr）

任务类型：文本分类（text-classification），具体为星级分类情感分析任务。

数据集结构：

• train：4,400,000样本
• valid：110,000样本
• test：110,000样本

使用方法： python from datasets import load_dataset dataset = load_dataset("CATIE-AQ/amazon_reviews_multi_fr_prompt_stars_classification")

许可证：该数据集受亚马逊自己的协议约束，仅限非商业研究使用。

数据集特征

提示列表：该数据集使用了28个提示，这些提示包括使用指示性语气、使用tu形式和vous形式的提示。

特征构造：

• review：从amazon_reviews_multi数据集中提取的评论正文。
• targets：从amazon_reviews_multi数据集中提取的星级评分。

引用信息

原始数据引用：

@inproceedings{marc_reviews, title={The Multilingual Amazon Reviews Corpus}, author={Keung, Phillip and Lu, Yichao and Szarvas, György and Smith, Noah A.}, booktitle={Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing}, year={2020} }

本数据集引用：

@misc {centre_aquitain_des_technologies_de_linformation_et_electroniques_2023,
author = { {Centre Aquitain des Technologies de lInformation et Electroniques} },
title = { DFP (Revision 1d24c09) },
year = 2023,
url = { https://huggingface.co/datasets/CATIE-AQ/DFP },
doi = { 10.57967/hf/1200 },
publisher = { Hugging Face }
}