jp-prakash05/dreaddit

---
dataset_info:
features:
- name: subreddit
dtype: string
- name: post_id
dtype: string
- name: sentence_range
dtype: string
- name: text
dtype: string
- name: id
dtype: int64
- name: label
dtype: int64
- name: confidence
dtype: float64
- name: social_timestamp
dtype: int64
- name: social_karma
dtype: int64
- name: syntax_ari
dtype: float64
- name: lex_liwc_WC
dtype: int64
- name: lex_liwc_Analytic
dtype: float64
- name: lex_liwc_Clout
dtype: float64
- name: lex_liwc_Authentic
dtype: float64
- name: lex_liwc_Tone
dtype: float64
- name: lex_liwc_WPS
dtype: float64
- name: lex_liwc_Sixltr
dtype: float64
- name: lex_liwc_Dic
dtype: float64
- name: lex_liwc_function
dtype: float64
- name: lex_liwc_pronoun
dtype: float64
- name: lex_liwc_ppron
dtype: float64
- name: lex_liwc_i
dtype: float64
- name: lex_liwc_we
dtype: float64
- name: lex_liwc_you
dtype: float64
- name: lex_liwc_shehe
dtype: float64
- name: lex_liwc_they
dtype: float64
- name: lex_liwc_ipron
dtype: float64
- name: lex_liwc_article
dtype: float64
- name: lex_liwc_prep
dtype: float64
- name: lex_liwc_auxverb
dtype: float64
- name: lex_liwc_adverb
dtype: float64
- name: lex_liwc_conj
dtype: float64
- name: lex_liwc_negate
dtype: float64
- name: lex_liwc_verb
dtype: float64
- name: lex_liwc_adj
dtype: float64
- name: lex_liwc_compare
dtype: float64
- name: lex_liwc_interrog
dtype: float64
- name: lex_liwc_number
dtype: float64
- name: lex_liwc_quant
dtype: float64
- name: lex_liwc_affect
dtype: float64
- name: lex_liwc_posemo
dtype: float64
- name: lex_liwc_negemo
dtype: float64
- name: lex_liwc_anx
dtype: float64
- name: lex_liwc_anger
dtype: float64
- name: lex_liwc_sad
dtype: float64
- name: lex_liwc_social
dtype: float64
- name: lex_liwc_family
dtype: float64
- name: lex_liwc_friend
dtype: float64
- name: lex_liwc_female
dtype: float64
- name: lex_liwc_male
dtype: float64
- name: lex_liwc_cogproc
dtype: float64
- name: lex_liwc_insight
dtype: float64
- name: lex_liwc_cause
dtype: float64
- name: lex_liwc_discrep
dtype: float64
- name: lex_liwc_tentat
dtype: float64
- name: lex_liwc_certain
dtype: float64
- name: lex_liwc_differ
dtype: float64
- name: lex_liwc_percept
dtype: float64
- name: lex_liwc_see
dtype: float64
- name: lex_liwc_hear
dtype: float64
- name: lex_liwc_feel
dtype: float64
- name: lex_liwc_bio
dtype: float64
- name: lex_liwc_body
dtype: float64
- name: lex_liwc_health
dtype: float64
- name: lex_liwc_sexual
dtype: float64
- name: lex_liwc_ingest
dtype: float64
- name: lex_liwc_drives
dtype: float64
- name: lex_liwc_affiliation
dtype: float64
- name: lex_liwc_achieve
dtype: float64
- name: lex_liwc_power
dtype: float64
- name: lex_liwc_reward
dtype: float64
- name: lex_liwc_risk
dtype: float64
- name: lex_liwc_focuspast
dtype: float64
- name: lex_liwc_focuspresent
dtype: float64
- name: lex_liwc_focusfuture
dtype: float64
- name: lex_liwc_relativ
dtype: float64
- name: lex_liwc_motion
dtype: float64
- name: lex_liwc_space
dtype: float64
- name: lex_liwc_time
dtype: float64
- name: lex_liwc_work
dtype: float64
- name: lex_liwc_leisure
dtype: float64
- name: lex_liwc_home
dtype: float64
- name: lex_liwc_money
dtype: float64
- name: lex_liwc_relig
dtype: float64
- name: lex_liwc_death
dtype: float64
- name: lex_liwc_informal
dtype: float64
- name: lex_liwc_swear
dtype: float64
- name: lex_liwc_netspeak
dtype: float64
- name: lex_liwc_assent
dtype: float64
- name: lex_liwc_nonflu
dtype: float64
- name: lex_liwc_filler
dtype: float64
- name: lex_liwc_AllPunc
dtype: float64
- name: lex_liwc_Period
dtype: float64
- name: lex_liwc_Comma
dtype: float64
- name: lex_liwc_Colon
dtype: float64
- name: lex_liwc_SemiC
dtype: float64
- name: lex_liwc_QMark
dtype: float64
- name: lex_liwc_Exclam
dtype: float64
- name: lex_liwc_Dash
dtype: float64
- name: lex_liwc_Quote
dtype: float64
- name: lex_liwc_Apostro
dtype: float64
- name: lex_liwc_Parenth
dtype: float64
- name: lex_liwc_OtherP
dtype: float64
- name: lex_dal_max_pleasantness
dtype: float64
- name: lex_dal_max_activation
dtype: float64
- name: lex_dal_max_imagery
dtype: float64
- name: lex_dal_min_pleasantness
dtype: float64
- name: lex_dal_min_activation
dtype: float64
- name: lex_dal_min_imagery
dtype: float64
- name: lex_dal_avg_activation
dtype: float64
- name: lex_dal_avg_imagery
dtype: float64
- name: lex_dal_avg_pleasantness
dtype: float64
- name: social_upvote_ratio
dtype: float64
- name: social_num_comments
dtype: int64
- name: syntax_fk_grade
dtype: float64
- name: sentiment
dtype: float64
splits:
- name: train
num_bytes: 3929762
num_examples: 2838
- name: test
num_bytes: 988933
num_examples: 715
download_size: 2297873
dataset_size: 4918695
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
tags:
- stress
- social-media
- reddit
pretty_name: 'Dreaddit: A Reddit Dataset for Stress Analysis in Social Media'
size_categories:
- 1K<n<10K
language:
- en
---
# Dreaddit: A Reddit Dataset for Stress Analysis in Social Media

Consists of 3.5k labeled texts from five different categories of Reddit communities.

## Citation

```
@inproceedings{turcan-mckeown-2019-dreaddit,
title = "{D}readdit: A {R}eddit Dataset for Stress Analysis in Social Media",
author = "Turcan, Elsbeth and
McKeown, Kathy",
editor = "Holderness, Eben and
Jimeno Yepes, Antonio and
Lavelli, Alberto and
Minard, Anne-Lyse and
Pustejovsky, James and
Rinaldi, Fabio",
booktitle = "Proceedings of the Tenth International Workshop on Health Text Mining and Information Analysis (LOUHI 2019)",
month = nov,
year = "2019",
address = "Hong Kong",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/D19-6213/",
doi = "10.18653/v1/D19-6213",
pages = "97--107",
abstract = "Stress is a nigh-universal human experience, particularly in the online world. While stress can be a motivator, too much stress is associated with many negative health outcomes, making its identification useful across a range of domains. However, existing computational research typically only studies stress in domains such as speech, or in short genres such as Twitter. We present Dreaddit, a new text corpus of lengthy multi-domain social media data for the identification of stress. Our dataset consists of 190K posts from five different categories of Reddit communities; we additionally label 3.5K total segments taken from 3K posts using Amazon Mechanical Turk. We present preliminary supervised learning methods for identifying stress, both neural and traditional, and analyze the complexity and diversity of the data and characteristics of each category."
}
```

数据集信息：
特征字段：
- 名称：subreddit（红迪子论坛），数据类型：字符串
- 名称：post_id（帖子ID），数据类型：字符串
- 名称：sentence_range（句子范围），数据类型：字符串
- 名称：text（文本内容），数据类型：字符串
- 名称：id（样本ID），数据类型：64位整数
- 名称：label（标签），数据类型：64位整数
- 名称：confidence（置信度），数据类型：64位浮点数
- 名称：social_timestamp（社交时间戳），数据类型：64位整数
- 名称：social_karma（社交声望值），数据类型：64位整数
- 名称：syntax_ari（句法自动化可读性指数），数据类型：64位浮点数
- 名称：lex_liwc_WC（Linguistic Inquiry and Word Count，语言查询与词频统计，简称LIWC，词数统计），数据类型：64位整数
- 名称：lex_liwc_Analytic（LIWC分析性得分），数据类型：64位浮点数
- 名称：lex_liwc_Clout（LIWC影响力得分），数据类型：64位浮点数
- 名称：lex_liwc_Authentic（LIWC真实性得分），数据类型：64位浮点数
- 名称：lex_liwc_Tone（LIWC语气得分），数据类型：64位浮点数
- 名称：lex_liwc_WPS（LIWC平均句长），数据类型：64位浮点数
- 名称：lex_liwc_Sixltr（LIWC六字母以上词占比），数据类型：64位浮点数
- 名称：lex_liwc_Dic（LIWC词典词占比），数据类型：64位浮点数
- 名称：lex_liwc_function（LIWC功能词占比），数据类型：64位浮点数
- 名称：lex_liwc_pronoun（LIWC代词占比），数据类型：64位浮点数
- 名称：lex_liwc_ppron（LIWC人称代词占比），数据类型：64位浮点数
- 名称：lex_liwc_i（LIWC第一人称单数代词占比），数据类型：64位浮点数
- 名称：lex_liwc_we（LIWC第一人称复数代词占比），数据类型：64位浮点数
- 名称：lex_liwc_you（LIWC第二人称代词占比），数据类型：64位浮点数
- 名称：lex_liwc_shehe（LIWC第三人称单数代词占比），数据类型：64位浮点数
- 名称：lex_liwc_they（LIWC第三人称复数代词占比），数据类型：64位浮点数
- 名称：lex_liwc_ipron（LIWC不定代词占比），数据类型：64位浮点数
- 名称：lex_liwc_article（LIWC冠词占比），数据类型：64位浮点数
- 名称：lex_liwc_prep（LIWC介词占比），数据类型：64位浮点数
- 名称：lex_liwc_auxverb（LIWC助动词占比），数据类型：64位浮点数
- 名称：lex_liwc_adverb（LIWC副词占比），数据类型：64位浮点数
- 名称：lex_liwc_conj（LIWC连词占比），数据类型：64位浮点数
- 名称：lex_liwc_negate（LIWC否定词占比），数据类型：64位浮点数
- 名称：lex_liwc_verb（LIWC动词占比），数据类型：64位浮点数
- 名称：lex_liwc_adj（LIWC形容词占比），数据类型：64位浮点数
- 名称：lex_liwc_compare（LIWC比较级词占比），数据类型：64位浮点数
- 名称：lex_liwc_interrog（LIWC疑问词占比），数据类型：64位浮点数
- 名称：lex_liwc_number（LIWC数词占比），数据类型：64位浮点数
- 名称：lex_liwc_quant（LIWC限定词占比），数据类型：64位浮点数
- 名称：lex_liwc_affect（LIWC情感类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_posemo（LIWC积极情感词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_negemo（LIWC消极情感词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_anx（LIWC焦虑相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_anger（LIWC愤怒相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_sad（LIWC悲伤相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_social（LIWC社交类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_family（LIWC家庭相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_friend（LIWC朋友相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_female（LIWC女性相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_male（LIWC男性相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_cogproc（LIWC认知加工类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_insight（LIWC洞察类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_cause（LIWC因果类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_discrep（LIWC矛盾表述类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_tentat（LIWC试探性表述类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_certain（LIWC确定性表述类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_differ（LIWC差异表述类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_percept（LIWC感知类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_see（LIWC视觉感知类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_hear（LIWC听觉感知类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_feel（LIWC情感感知类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_bio（LIWC生理类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_body（LIWC身体相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_health（LIWC健康相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_sexual（LIWC性相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_ingest（LIWC摄入类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_drives（LIWC驱力类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_affiliation（LIWC社交归属类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_achieve（LIWC成就类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_power（LIWC权力/影响力类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_reward（LIWC奖励类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_risk（LIWC风险类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_focuspast（LIWC过去时态词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_focuspresent（LIWC现在时态词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_focusfuture（LIWC将来时态词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_relativ（LIWC关系代词/副词占比），数据类型：64位浮点数
- 名称：lex_liwc_motion（LIWC运动类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_space（LIWC空间类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_time（LIWC时间类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_work（LIWC工作相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_leisure（LIWC休闲类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_home（LIWC家庭相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_money（LIWC金钱相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_relig（LIWC宗教相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_death（LIWC死亡相关词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_informal（LIWC非正式用语占比），数据类型：64位浮点数
- 名称：lex_liwc_swear（LIWC咒骂类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_netspeak（LIWC网络用语占比），数据类型：64位浮点数
- 名称：lex_liwc_assent（LIWC赞同类词汇占比），数据类型：64位浮点数
- 名称：lex_liwc_nonflu（LIWC不流畅表达占比），数据类型：64位浮点数
- 名称：lex_liwc_filler（LIWC填充词占比），数据类型：64位浮点数
- 名称：lex_liwc_AllPunc（LIWC所有标点符号占比），数据类型：64位浮点数
- 名称：lex_liwc_Period（LIWC句号占比），数据类型：64位浮点数
- 名称：lex_liwc_Comma（LIWC逗号占比），数据类型：64位浮点数
- 名称：lex_liwc_Colon（LIWC冒号占比），数据类型：64位浮点数
- 名称：lex_liwc_SemiC（LIWC分号占比），数据类型：64位浮点数
- 名称：lex_liwc_QMark（LIWC问号占比），数据类型：64位浮点数
- 名称：lex_liwc_Exclam（LIWC感叹号占比），数据类型：64位浮点数
- 名称：lex_liwc_Dash（LIWC破折号占比），数据类型：64位浮点数
- 名称：lex_liwc_Quote（LIWC引号占比），数据类型：64位浮点数
- 名称：lex_liwc_Apostro（LIWC撇号占比），数据类型：64位浮点数
- 名称：lex_liwc_Parenth（LIWC括号占比），数据类型：64位浮点数
- 名称：lex_liwc_OtherP（LIWC其他标点符号占比），数据类型：64位浮点数
- 名称：lex_dal_max_pleasantness（DAL最大愉悦度得分），数据类型：64位浮点数
- 名称：lex_dal_max_activation（DAL最大唤醒度得分），数据类型：64位浮点数
- 名称：lex_dal_max_imagery（DAL最大意象性得分），数据类型：64位浮点数
- 名称：lex_dal_min_pleasantness（DAL最小愉悦度得分），数据类型：64位浮点数
- 名称：lex_dal_min_activation（DAL最小唤醒度得分），数据类型：64位浮点数
- 名称：lex_dal_min_imagery（DAL最小意象性得分），数据类型：64位浮点数
- 名称：lex_dal_avg_activation（DAL平均唤醒度得分），数据类型：64位浮点数
- 名称：lex_dal_avg_imagery（DAL平均意象性得分），数据类型：64位浮点数
- 名称：lex_dal_avg_pleasantness（DAL平均愉悦度得分），数据类型：64位浮点数
- 名称：social_upvote_ratio（社交点赞率），数据类型：64位浮点数
- 名称：social_num_comments（社交评论数），数据类型：64位整数
- 名称：syntax_fk_grade（句法弗莱希-金凯德可读性指数），数据类型：64位浮点数
- 名称：sentiment（情感得分），数据类型：64位浮点数
数据集拆分：
- 拆分名称：训练集（train），字节数：3929762，样本数：2838
- 拆分名称：测试集（test），字节数：988933，样本数：715
下载大小：2297873字节，数据集总大小：4918695字节
配置项：
- 配置名称：default（默认配置），数据文件路径：
- 训练集：data/train-*
- 测试集：data/test-*
数据集标注标签：
- stress（压力识别）
- social-media（社交媒体）
- Reddit（红迪论坛）
数据集友好名称：Dreaddit：面向社交媒体压力分析的红迪数据集
样本规模类别：1K<n<10K
语言：英语

# Dreaddit：面向社交媒体压力分析的红迪数据集

该数据集包含来自5个不同类别的Reddit（红迪论坛）社区的3500条标注文本。

## 引用文献

@inproceedings{turcan-mckeown-2019-dreaddit,
title = "Dreaddit：面向社交媒体压力分析的红迪数据集",
author = "Turcan, Elsbeth 与 McKeown, Kathy",
editor = "Holderness, Eben 与 Jimeno Yepes, Antonio 与 Lavelli, Alberto 与 Minard, Anne-Lyse 与 Pustejovsky, James 与 Rinaldi, Fabio",
booktitle = "第十届健康文本挖掘与信息分析国际研讨会（LOUHI 2019）论文集",
month = "11月",
year = "2019",
address = "中国香港",
publisher = "计算语言学协会",
url = "https://aclanthology.org/D19-6213/",
doi = "10.18653/v1/D19-6213",
pages = "97--107",
abstract = "压力是几乎普遍存在的人类体验，在网络空间中尤为显著。尽管适度压力可起到激励作用，但过量压力与诸多负面健康结局密切相关，因此在多个领域中识别压力均具有重要实用价值。然而现有计算相关研究通常仅关注语音领域或Twitter等短文本体裁中的压力识别任务。本文提出Dreaddit，一个涵盖多领域长文本社交媒体数据的新型语料库，用于压力识别任务。我们的数据集包含来自5个不同类别的Reddit（红迪论坛）社区的19万条帖子，并通过Amazon Mechanical Turk（亚马逊众包平台）对从3000条帖子中提取的共计3500个文本片段进行了人工标注。我们针对压力识别任务提出了包括神经网络与传统机器学习方法在内的初步监督学习方案，并分析了数据集的复杂性与多样性，以及不同类别的特征分布。"
}