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。

This dataset is the Dutch translation of the IMDB Movie Reviews Dataset, which is primarily used for binary classification sentiment analysis tasks. It contains 24,992 training samples, 24,992 test samples, as well as additional unlabeled data. The dataset includes texts in both Dutch and English, with each data instance consisting of the original text, the translated Dutch text, and the sentiment label. The dataset is structured into three parts: training set, test set, and unsupervised dataset, with its data fields covering text, translated text, and label.

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} }