BrunoGR/HRECPW-Hispanic_Responses_for_Emotional_Classification_based_on_Plutchik_Wheel

HRECPW（基于Plutchik情感轮的西班牙语情感分类响应）数据集旨在训练情感分类模型。该数据集允许模型根据Plutchik情感轮识别和分类各种情感类别，特别关注西班牙语。数据集来源于多个社交媒体平台和其他互联网资源，经过预处理以确保隐私，并分为训练集、验证集和测试集。数据集的结构包括训练集（70%）、验证集（20%）和测试集（10%），每个情感类别包含11,000个样本。数据生成过程包括从多个来源收集数据，并使用OpenAI的GPT-3.5模型生成合成数据以平衡数据集。

原始信息汇总

HRECPW 数据集

描述

HRECPW（基于Plutchik轮的西班牙语情感分类响应）数据集旨在训练情感分类模型。该数据集允许模型识别和分类基于Plutchik轮的各种情感类别，特别关注西班牙语。

数据集结构

HRECPW数据集由三个子集组成：训练集、验证集和测试集。数据在这些子集中的分布如下：

• 训练集： 70%
• 验证集： 20%
• 测试集： 10%

数据集包括11个情感类别，每个类别有11,000个样本。

情感类别

数据集涵盖以下情感类别：

1. 喜爱
2. 喜悦
3. 钦佩
4. 愤怒
5. 悲伤
6. 乐观
7. 憎恨
8. 惊讶
9. 恐惧
10. 平静
11. 厌恶

数据生成过程

数据从多个来源收集，以创建多样化的情感表达集。主要来源包括：

• TweetEval（Barbieri et al., 2020）：提供多样化的数据集，专注于情感分析。
• DailyDialog（Li et al., 2017）：包含各种情境下的日常对话，提供非正式对话中情感表达的宝贵示例。
• HappyDB（Asai et al., 2018）：包含与日常情境中的幸福和积极情感相关的表达。
• Emotion（Saravia et al., 2018）：包含带有六种基本情感（愤怒、恐惧、喜悦、爱、悲伤和惊讶）的英语推文。
• 对72个人的调查：对11种情感的问题的回答，提供了这些情感引发的体验的见解。

此外，使用OpenAI的GPT-3.5模型生成合成数据以平衡数据集。设计提示以引出反映广泛情感情境的西班牙语响应。例如：

“你需要生成与惊讶情感相关的40个文本样本，所有文本为西班牙语，并按以下编号：

1. 文本...

2. 文本...

以这些示例为参考：

1. “我支持的球队赢得了冠军的消息让我感到惊讶。”

2. “看到我儿时的朋友将成为我们城市的新市长，我感到非常惊讶。”

3. “我无法相信我刚刚目睹的事情。真是令人惊叹。”

4. “我母亲收到一束花时的惊讶表情非常迷人。”

5. “真是不可思议...”