cjvt/sentinews

SentiNews是一个斯洛文尼亚语的情感分类数据集，包含由两到六名注释者手动注释的新闻文章。注释分为三个粒度：文档级（10,427个文档）、段落级（89,999个段落）和句子级（168,899个句子）。数据集支持情感分类任务，分为三类：负面、中性和正面。

原始信息汇总

数据集概述

数据集名称

SentiNews

数据集描述

SentiNews是一个斯洛文尼亚语的情感分类数据集，包含由两到六名注释者手动注释情感的新闻文章。该数据集在三个粒度级别上进行注释：

• 文档级（配置document_level，10,427个文档）
• 段落级（配置paragraph_level，89,999个段落）
• 句子级（配置sentence_level，168,899个句子）

支持的任务

情感分类，包含三个类别（负面、中性、正面）。

语言

斯洛文尼亚语

数据集结构

数据实例

一个句子级配置的样本实例：

{ nid: 2, content: Vilo Prešeren je na dražbi ministrstva za obrambo kupilo nepremičninsko podjetje Condor Real s sedežem v Lescah., sentiment: neutral, pid: 1, sid: 1 }

数据字段

所有三个配置的数据字段相似，唯一区别在于ID。

• nid: 新闻文章（文档）的唯一ID，类型为uint16。
• content: 新闻文章内容，类型为字符串。
• sentiment: 实例的情感。
• pid: 当前新闻文章内段落的连续编号，非唯一（存在于配置paragraph_level和sentence_level中），类型为uint8。
• sid: 当前段落内句子的连续编号，非唯一（存在于配置sentence_level中），类型为uint8。

附加信息

数据集创建者

Jože Bučar, Martin Žnidaršič, Janez Povh.

许可信息

CC BY-SA 4.0

引用信息

@article{buvcar2018annotated, title={Annotated news corpora and a lexicon for sentiment analysis in Slovene}, author={Bu{v{c}}ar, Jo{v{z}}e and {v{Z}}nidar{v{s}}i{v{c}}, Martin and Povh, Janez}, journal={Language Resources and Evaluation}, volume={52}, number={3}, pages={895--919}, year={2018}, publisher={Springer} }