seara/ru_go_emotions

Ru-GoEmotions数据集是Google GoEmotions情感分类数据集的翻译版本，主要特点是增加了俄语翻译文本的`ru_text`列。数据集包含两个配置：`raw`和`simplified`。`raw`配置包含原始特征，如文本、作者、子论坛、情感标签等；`simplified`配置则简化了特征，主要包含俄语文本、原始文本和情感标签。数据集的任务类别包括文本分类、翻译、情感分析等，语言为俄语和英语。数据集的来源是GoEmotions数据集，翻译过程中使用了Deep translator工具。

原始信息汇总

数据集概述

数据集配置

原始配置 (raw)

• 特征:
  • ru_text: 字符串
  • text: 字符串
  • id: 字符串
  • author: 字符串
  • subreddit: 字符串
  • link_id: 字符串
  • parent_id: 字符串
  • created_utc: 浮点数 (float32)
  • rater_id: 整数 (int32)
  • example_very_unclear: 布尔值 (bool)
  • admiration: 整数 (int32)
  • amusement: 整数 (int32)
  • anger: 整数 (int32)
  • annoyance: 整数 (int32)
  • approval: 整数 (int32)
  • caring: 整数 (int32)
  • confusion: 整数 (int32)
  • curiosity: 整数 (int32)
  • desire: 整数 (int32)
  • disappointment: 整数 (int32)
  • disapproval: 整数 (int32)
  • disgust: 整数 (int32)
  • embarrassment: 整数 (int32)
  • excitement: 整数 (int32)
  • fear: 整数 (int32)
  • gratitude: 整数 (int32)
  • grief: 整数 (int32)
  • joy: 整数 (int32)
  • love: 整数 (int32)
  • nervousness: 整数 (int32)
  • optimism: 整数 (int32)
  • pride: 整数 (int32)
  • realization: 整数 (int32)
  • relief: 整数 (int32)
  • remorse: 整数 (int32)
  • sadness: 整数 (int32)
  • surprise: 整数 (int32)
  • neutral: 整数 (int32)
• 分割:
  • train: 211,225个样本, 84,388,976字节
• 下载大小: 41,128,059字节
• 数据集大小: 84,388,976字节

简化配置 (simplified)

• 特征:
  • ru_text: 字符串
  • text: 字符串
  • labels: 序列, 包含28个类别标签
  • id: 字符串
• 分割:
  • train: 43,410个样本, 10,118,125字节
  • validation: 5,426个样本, 1,261,921字节
  • test: 5,427个样本, 1,254,989字节
• 下载大小: 7,628,917字节
• 数据集大小: 12,635,035字节

数据文件

• 原始配置 (raw):
  • train: raw/train-*
• 简化配置 (simplified):
  • train: simplified/train-*
  • validation: simplified/validation-*
  • test: simplified/test-*

许可证

• MIT

任务类别

• 文本分类
• 翻译

任务ID

• 多类别分类
• 多标签分类
• 情感分析
• 情感分类

语言

• 俄语 (ru)
• 英语 (en)

数据集名称

• Ru-GoEmotions

数据集大小类别

• 10K<n<100K
• 100K<n<1M

源数据集

• GoEmotions

标签

• 情感分类
• 情感
• Reddit