twitter-sentiment-analysis
收藏资源简介：
Twitter情感分析数据集是一个经过精炼和合并的Twitter文本情感数据集，提供了干净且平衡的数据，适用于情感分类，包含三个情感类别：积极、消极和中立。数据集分为训练集、测试集和验证集，可用于训练、评估和基准测试NLP模型进行Twitter情感分析和其他社交媒体文本分类任务。
Twitter Sentiment Analysis Dataset is a refined and consolidated Twitter text sentiment dataset that provides clean and balanced data suitable for sentiment classification. It includes three sentiment categories: positive, negative, and neutral. The dataset is split into training, test, and validation sets, which can be used to train, evaluate, and benchmark NLP models for Twitter sentiment analysis and other social media text classification tasks.
Twitter Sentiment Analysis 数据集概述
基本信息
- 数据集名称: twitter-sentiment-analysis
- 维护者: Md Abdullah Al Mamun
- 创建年份: 2025
- 许可证: MIT
- 语言: 英语
- 任务类别: 文本分类、标记分类
- 数据规模: 10M-100M
- 文件格式: JSON / Parquet / Pandas / Polars / Croissant
数据集描述
这是一个经过精炼和合并的Twitter文本情感数据集，提供干净且平衡的三分类情感分类数据，情感类别包括：正面(positive)、负面(negative)和中性(neutral)。
数据统计
- 总行数: 4,773,225
- 列数: 3
- 数据分割: 训练集、测试集、验证集
数据分割详情
训练集
- 来源: Twitter Sentiment Dataset (3M labeled rows)
- 行数: 3,142,209
- 文件大小: 361 MB
- 标签分布:
- 正面: 1,571,104 (50.0%)
- 负面: 1,571,105 (50.0%)
测试集
- 来源: Sentiment140 Dataset
- 行数: 1,600,001
- 文件大小: 198 MB
- 标签分布:
- 正面: 800,000 (50.0%)
- 负面: 800,001 (50.0%)
验证集
- 来源: MTEB Tweet Sentiment Extraction
- 行数: 31,015
- 文件大小: 3.45 MB
- 标签分布:
- 中性: 12,561 (40.5%)
- 正面: 9,676 (31.2%)
- 负面: 8,778 (28.3%)
数据结构
| 列名 | 类型 | 描述 |
|---|---|---|
| ID | 整数 | 每行的自增唯一标识符 |
| text | 字符串 | 推文文本内容 |
| label | 字符串 | 情感类别(positive/negative/neutral) |
应用场景
- Twitter情感分析
- 社交媒体文本分类
- NLP模型训练与评估
- 模型基准测试
引用信息
bibtex @dataset{bdstar2025twitter, title = {Twitter Sentiment Analysis (Refined Dataset)}, author = {Md Abdullah Al Mamun}, year = {2025}, howpublished = {Hugging Face}, url = {https://huggingface.co/datasets/bdstar/twitter-sentiment-analysis} }
