GePaSud/TROPICAL

TROPICAL数据集是一个用于情感分析的法语数据集，包含了法语游客在TripAdvisor上对法属波利尼西亚的酒店或宾馆的评论。数据集格式为JSON，时间跨度为2001年1月至2023年4月，包含1592条评论和10729个ASTE三元组（方面、观点、情感）。数据集分为三个配置：原始数据集、无重叠子集和重叠子集。每个配置都包含训练集、测试集和验证集。数据集的字段包括评论ID、评论词、三元组信息（方面词、观点词、方面位置、观点位置、情感极性）以及整体情感极性。

原始信息汇总

数据集概述

数据集名称

TROPICAL

语言

法语

任务类别

文本分类

数据集配置

• original_dataset

  • 数据文件路径:
    • 训练集: "original_dataset/train.jsonl"
    • 测试集: "original_dataset/test.jsonl"
    • 验证集: "original_dataset/val.jsonl"
  • 特征:
    • id_comment: 字符串
    • words: 字符串序列
    • triplets: 列表，包含:
      • aspect_term: 字符串序列
      • opinion_term: 字符串序列
      • aspect_position: 整数序列
      • opinion_position: 整数序列
      • polarity: 分类标签（POS: 0, NEG: 1, NEU: 2）
    • general_polarity: 分类标签（POS: 0, NEG: 1, NEU: 2）
  • 分割信息:
    • 训练集: 1114个样本，1115671字节
    • 测试集: 239个样本，239799字节
    • 验证集: 239个样本，237621字节
  • 下载大小: 2471854字节
  • 数据集大小: 1593091字节

• overlapping_subset

  • 数据文件路径:
    • 训练集: "overlapping_subset/train.jsonl"
    • 测试集: "overlapping_subset/test.jsonl"
    • 验证集: "overlapping_subset/val.jsonl"
  • 特征与original_dataset相同
  • 下载大小: 1890439字节
  • 数据集大小: 1201600字节

• no_overlapping_subset

  • 数据文件路径:
    • 训练集: "no_overlapping_subset/train.jsonl"
    • 测试集: "no_overlapping_subset/test.jsonl"
    • 验证集: "no_overlapping_subset/val.jsonl"
  • 特征与original_dataset相同
  • 分割信息:
    • 训练集: 326个样本，270313字节
    • 测试集: 70个样本，61779字节
    • 验证集: 71个样本，59399字节
  • 下载大小: 581415字节
  • 数据集大小: 391491字节

数据集结构

• 数据实例格式为JSON
• 数据字段包括评论ID、单词列表、三元组列表（包含方面术语、意见术语、方面位置、意见位置和极性）、总体极性

数据集使用

python from datasets import load_dataset dataset = load_dataset("TROPICAL", "original") # 或 "no_overlapping" 或 "overlapping"

许可证

MIT License