RiTA-nlp/UINAUIL

--- license: cc-by-nc-sa-4.0 language: - it size_categories: - 1K<n<10K pretty_name: UINAUIL dataset_info: - config_name: haspeede2 features: - name: id dtype: int32 - name: full_text dtype: string - name: hs dtype: int16 - name: stereotype dtype: int16 - name: source dtype: string splits: - name: train num_examples: 6839 - name: test num_examples: 1763 - config_name: ironita features: - name: id dtype: string - name: text dtype: string - name: irony dtype: int8 - name: sarcasm dtype: int8 - name: topic dtype: string splits: - name: train num_examples: 3977 - name: test num_examples: 872 - config_name: sentipolc features: - name: twitterid dtype: string - name: text dtype: string - name: subj dtype: int8 - name: opos dtype: int8 - name: oneg dtype: int8 - name: iro dtype: int8 - name: lpos dtype: int8 - name: lneg dtype: int8 - name: top dtype: int8 splits: - name: train num_examples: 7410 - name: test num_examples: 2000 configs: - config_name: haspeede2 data_files: - split: train path: haspeede2/taskAB_development.tsv - split: test path: haspeede2/taskAB_reference_test.tsv - config_name: ironita data_files: - split: train path: ironita/train.tsv - split: test path: ironita/test.tsv - config_name: sentipolc data_files: - split: train path: sentipolc/train.tsv - split: test path: sentipolc/test.tsv ---许可证：CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享4.0国际许可协议） 语言：意大利语 样本规模区间：1000 < 样本数量 < 10000 美观命名：UINAUIL 数据集信息如下： 1. 配置项haspeede2 特征字段包括： - 标识符（id）：数据类型为int32（32位整数） - 完整文本（full_text）：数据类型为string（字符串） - 仇恨言论标签（hs）：数据类型为int16（16位整数） - 刻板印象标签（stereotype）：数据类型为int16（16位整数） - 来源（source）：数据类型为string（字符串） 数据集拆分： - 训练集：共6839条样本 - 测试集：共1763条样本 2. 配置项ironita 特征字段包括： - 标识符（id）：数据类型为string（字符串） - 文本（text）：数据类型为string（字符串） - 反讽标签（irony）：数据类型为int8（8位整数） - 讽刺标签（sarcasm）：数据类型为int8（8位整数） - 主题（topic）：数据类型为string（字符串） 数据集拆分： - 训练集：共3977条样本 - 测试集：共872条样本 3. 配置项sentipolc 特征字段包括： - 推特标识符（twitterid）：数据类型为string（字符串） - 文本（text）：数据类型为string（字符串） - 主观性标签（subj）：数据类型为int8（8位整数） - 正向子任务极性标签（opos）：数据类型为int8（8位整数） - 负向子任务极性标签（oneg）：数据类型为int8（8位整数） - 反讽标签（iro）：数据类型为int8（8位整数） - 正向词级极性标签（lpos）：数据类型为int8（8位整数） - 负向词级极性标签（lneg）：数据类型为int8（8位整数） - 主题标签（top）：数据类型为int8（8位整数） 数据集拆分： - 训练集：共7410条样本 - 测试集：共2000条样本 数据集配置对应数据文件路径如下： - 配置项haspeede2： 训练集数据路径：haspeede2/taskAB_development.tsv（制表符分隔值文件） 测试集数据路径：haspeede2/taskAB_reference_test.tsv（制表符分隔值文件） - 配置项ironita： 训练集数据路径：ironita/train.tsv（制表符分隔值文件） 测试集数据路径：ironita/test.tsv（制表符分隔值文件） - 配置项sentipolc： 训练集数据路径：sentipolc/train.tsv（制表符分隔值文件） 测试集数据路径：sentipolc/test.tsv（制表符分隔值文件）

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-sa-4.0
• 语言: 意大利语 (it)
• 大小: 1K<n<10K
• 别名: UINAUIL

数据集配置

1. 配置名称: haspeede2

   • 特征:
     • id: int32
     • full_text: string
     • hs: int16
     • stereotype: int16
     • source: string
   • 分割:
     • 训练集: 6839 样本
     • 测试集: 1763 样本
   • 数据文件:
     • 训练集: haspeede2/taskAB_development.tsv
     • 测试集: haspeede2/taskAB_reference_test.tsv

2. 配置名称: ironita

   • 特征:
     • id: string
     • text: string
     • irony: int8
     • sarcasm: int8
     • topic: string
   • 分割:
     • 训练集: 3977 样本
     • 测试集: 872 样本
   • 数据文件:
     • 训练集: ironita/train.tsv
     • 测试集: ironita/test.tsv

3. 配置名称: sentipolc

   • 特征:
     • twitterid: string
     • text: string
     • subj: int8
     • opos: int8
     • oneg: int8
     • iro: int8
     • lpos: int8
     • lneg: int8
     • top: int8
   • 分割:
     • 训练集: 7410 样本
     • 测试集: 2000 样本
   • 数据文件:
     • 训练集: sentipolc/train.tsv
     • 测试集: sentipolc/test.tsv