yhavinga/imdb_dutch

该数据集是IMDB电影评论数据集的荷兰语翻译版本，主要用于二分类情感分析任务。数据集包含24,992条训练数据和24,992条测试数据，以及额外的未标注数据。数据集中包含荷兰语和英语的文本，每个数据实例包括原始文本、翻译后的荷兰语文本以及情感标签。数据集的结构包括训练集、测试集和无监督数据集，数据字段包括文本、翻译文本和标签。

原始信息汇总

数据集概述

数据集名称

• pretty_name: IMDB

语言和许可证

• 语言: 荷兰语 (nl), 英语 (en)
• 许可证: other
• 多语言性: 多语言

数据集大小和来源

• 大小类别: 10K<n<100K
• 来源数据集: 原始

任务和指标

• 任务类别: 文本分类
• 任务ID: 情感分类
• 训练与评估索引:
  • 配置: plain_text
  • 任务: 文本分类
  • 任务ID: 二元分类
  • 分割:
    • 训练分割: train
    • 评估分割: test
  • 列映射:
    • 文本: text
    • 标签: target
  • 指标:
    • 准确率 (Accuracy)
    • F1 宏 (F1 macro)
    • F1 微 (F1 micro)
    • F1 加权 (F1 weighted)
    • 精确率 宏 (Precision macro)
    • 精确率 微 (Precision micro)
    • 精确率 加权 (Precision weighted)
    • 召回率 宏 (Recall macro)
    • 召回率 微 (Recall micro)
    • 召回率 加权 (Recall weighted)

数据集信息

• 特征:
  • text: 字符串类型
  • text_en: 字符串类型
  • label: 分类标签，包括 neg (0) 和 pos (1)
• 配置名称: plain_text
• 分割:
  • 训练: 24992 个示例，69589646 字节
  • 测试: 24992 个示例，67958995 字节
  • 无监督: 49984 个示例，139649169 字节
• 下载大小: 108170940 字节
• 数据集大小: 277197810 字节

数据集创建

• 注释创建者: 专家生成
• 语言创建者: 专家生成

引用信息

@InProceedings{maas-EtAl:2011:ACL-HLT2011, author = {Maas, Andrew L. and Daly, Raymond E. and Pham, Peter T. and Huang, Dan and Ng, Andrew Y. and Potts, Christopher}, title = {Learning Word Vectors for Sentiment Analysis}, booktitle = {Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies}, month = {June}, year = {2011}, address = {Portland, Oregon, USA}, publisher = {Association for Computational Linguistics}, pages = {142--150}, url = {http://www.aclweb.org/anthology/P11-1015} }