Comp4.0

CompSense4.0是一个iPhone客户投诉数据集，集成了视觉上下文，通过图像-文本匹配提供更加丰富的信息。该数据集包含了投诉文本和相应的图像，图像作为视觉上下文，帮助理解投诉内容。

原始信息汇总

CompSense4.0: iPhone客户投诉数据集（带视觉上下文）

数据集概述

CompSense4.0是一个集成了视觉上下文的iPhone客户投诉数据集，通过图像-文本匹配技术增强数据语义关联。本版本采用基于CLIP模型的多维度相似度评估方法，确保图像与投诉文本、方面类别和严重程度的高度相关性。

核心数据

• 总对话数: 915
• 带图像对话数: 914（99.9%分配率）
• 唯一图像数: 4478（其中4431张从未被分配）

数据结构

字段	类型	描述
thread_id	int32	对话唯一标识符
text	string	客户投诉文本
image_path	image	关联图像路径（未匹配则为None）
aspect	string	投诉方面类别
severity	string	投诉严重程度等级

分类体系

方面类别

• 主要类别：软件（672例）、硬件（83例）、质量（46例）、服务（48例）、价格（4例）、包装（8例）
• 具体问题：
  • 软件：应用故障、系统错误、存储问题
  • 硬件：电池、屏幕损坏、进水问题
  • 服务：售后支持、维修体验

严重程度

• Blame（271例）：直接指责公司
• Disapproval（268例）：表达不满
• Accusation（156例）：指控性语言
• No Explicit Reproach（211例）：中性投诉

图像类型

包含15类Reddit来源图像，涵盖：

• 键盘输入问题（type1）
• 系统更新故障（type2）
• 电池续航（type3）
• 屏幕损坏（type5）
• 摄像头问题（type7）
• 配件问题（type14）等

技术方法

图像匹配流程

1. CLIP嵌入：文本（含方面/严重程度）和图像分别嵌入
2. 三维相似度计算：
   • 文本-图像相似度（阈值0.28）
   • 方面-图像相似度（阈值0.2）
   • 严重程度-图像相似度（阈值0.18）
3. 加权综合评分：文本权重0.5，方面0.3，严重程度0.2
4. 最终阈值：综合评分需超过0.25

文件结构

• train/：主数据集
• images/：关联图像
• thread_image_mapping.csv：完整相似度评分
• 3个JSON文件：未分配图像、高分未分配图像注释、已分配图像评分

使用许可

MIT License（需注意图像来源的单独授权要求）

引用格式

bibtex @dataset{compsense4_2025, title={CompSense4.0: Complaint Dataset with Visual Context (Annotation-Aware Matching)}, author={NShreya}, year={2025}, url={https://huggingface.co/datasets/NShreya/Comp4.0} }

搜集汇总

数据集介绍

构建方式

CompSense4.0数据集通过创新的多模态匹配方法构建，专注于iPhone用户投诉的视觉上下文分析。研究团队采用CLIP模型对投诉文本和图像进行嵌入，通过计算文本-图像、属性-图像和严重程度-图像三个维度的余弦相似度，设定严格的阈值筛选标准。只有当图像在所有三个维度均超过预设阈值，并通过加权综合评分后，才会被分配到对应投诉中。该方法确保了视觉内容与投诉语义的高度相关性，同时允许优质图像跨多轮投诉复用。

使用方法

使用者可通过HuggingFace数据集库直接加载该资源，主要数据存储在train分割中，包含文本、图像路径及标注信息。配套提供的assigned_image_scores.json文件详细记录了每张分配图像的CLIP评分细节，便于分析匹配质量。对于研究视觉上下文在投诉理解中的作用，建议结合图像分类器与文本分析模型，利用属性标签构建多任务学习框架。数据集额外包含高分未分配图像的自动标注结果，为负样本分析提供了宝贵资源。

背景与挑战

背景概述

CompSense4.0数据集是iPhone客户投诉数据集的进阶版本，由NShreya团队于2025年发布，旨在通过整合视觉上下文提升客户投诉分析的深度与广度。该数据集创新性地引入了基于CLIP模型的多维度图像-文本匹配机制，将客户投诉文本与其对应的视觉内容、投诉类别及严重程度进行语义对齐，为多模态情感分析与产品缺陷研究提供了宝贵资源。其核心价值在于通过严格的相似度阈值控制，确保图像与文本在语义、属性和情感层面的高度一致性，推动了客户体验管理与产品质量评估领域的范式转变。

当前挑战

构建CompSense4.0数据集面临双重挑战：在领域问题层面，需解决多模态投诉数据中视觉与文本语义鸿沟的难题，特别是图像需同时满足与投诉内容、技术属性（硬件/软件）和情感强度（指责程度）的三重匹配；在构建技术层面，CLIP模型跨模态嵌入的精度不足导致大量图像无法通过严格阈值（4431张未匹配图像），而动态权重分配（文本0.5/属性0.3/情感0.2）与复合评分机制的设计需要平衡语义相关性与标注特异性。此外，Reddit社区图像的异构性（15类技术问题）与投诉文本的隐含情感表达，进一步增加了跨模态对齐的复杂度。

常用场景

经典使用场景

在消费者行为分析与多模态机器学习领域，CompSense4.0数据集通过融合视觉语境与文本投诉数据，为研究者提供了探索用户反馈表达方式的理想实验平台。其严格的多维度图像匹配机制，使得该数据集特别适用于训练跨模态表征模型，例如验证CLIP等预训练模型在细粒度语义对齐任务中的性能表现。

解决学术问题

该数据集有效解决了多模态情感分析中的关键挑战——如何建立文本投诉与视觉证据之间的语义关联。通过引入基于aspect和severity的三重相似度阈值，为学术社区提供了研究标注感知跨模态匹配的基准数据，显著推进了消费电子领域细粒度意见挖掘的精度边界。

实际应用

在商业智能系统中，该数据集可优化客户服务自动化流程。企业能够基于视觉化投诉模式识别高频硬件缺陷（如屏幕损坏）或软件问题（如系统崩溃），进而指导产品质量改进。电商平台亦可利用其多模态特性构建智能客服系统，实现投诉内容的自动分类与优先级排序。

数据集最近研究

最新研究方向

在消费者行为分析与多模态机器学习领域，CompSense4.0数据集通过融合视觉语境与文本投诉数据，为情感计算与产品缺陷分析提供了新的研究范式。当前研究聚焦于CLIP模型驱动的跨模态对齐技术，探索语义层面对投诉文本、产品类别与情绪强度的三重匹配机制。该数据集正被应用于智能客服系统的视觉辅助决策研究，通过分析硬件缺陷的典型图像特征与文本描述的关联性，提升自动化问题分类的准确率。近期相关研究还涉及基于多维度相似性阈值的动态权重优化，以解决跨模态数据稀疏场景下的特征表示难题。