lm4pt/bpsad

巴西葡萄牙语情感分析数据集（BPSAD）由五个不同来源（Olist, B2W Digital, Buscapé, UTLC-Apps和UTLC-Movies）的评论句子组成，这些句子根据极性（0：负面；1：正面）和评分（1到5星）进行分类。数据集的语言为巴西葡萄牙语，适用于文本分类任务，特别是情感分类和评分预测。数据集的规模在1M到10M之间，属于单语种数据集。数据集的创建者未提供详细的数据集卡片，因此该卡片由贡献者编写。

Brazilian Portuguese Sentiment Analysis Dataset (BPSAD) comprises annotated review sentences from five distinct sources: Olist, B2W Digital, Buscapé, UTLC-Apps, and UTLC-Movies. All sentences are categorized based on two criteria: polarity (0 for negative, 1 for positive) and star ratings ranging from 1 to 5. The dataset is written in Brazilian Portuguese, and is suitable for text classification tasks, especially sentiment classification and rating prediction. With a scale between 1 million and 10 million samples, it is a monolingual dataset. No detailed dataset card was provided by the original creators, so this card was compiled by the contributor.

原始信息汇总

数据集概述

数据集名称

• 名称: Brazilian Portuguese Sentiment Analysis Dataset (BPSAD)

数据集摘要

• 摘要: BPSAD由5个不同来源的数据集拼接而成，每个来源包含根据极性（0: 负面；1: 正面）和评分（1至5星）分类的评价句子。

支持的任务和排行榜

• 任务:
  • 极性分类：二分类问题，句子需被分类为正面（1）或负面（0）。
  • 评分预测：多分类问题，评分范围从1至5星。

语言

• 语言: 巴西葡萄牙语

数据集结构

数据实例

• 极性:

  { "review_text": "Bem macio e felpudo...recomendo. Preço imbatível e entrega rápida. Compraria outro quando precisar", "polarity": 1 }

• 评分:

  { "review_text": "Bem macio e felpudo...recomendo. Preço imbatível e entrega rápida. Compraria outro quando precisar", "rating": 4 }

数据字段

• 极性:
  • review_text: 字符串，产品或电影评论。
  • polarity: 整数，表示正面（1）或负面（0）评论。
• 评分:
  • review_text: 字符串，产品或电影评论。
  • rating: 整数，表示评分者给出的星星数量，可能值为1, 2, 3, 4, 5。

数据分割

• 分割:
  • 训练: 折叠1至8
  • 验证: 折叠9
  • 测试: 折叠10

	train	validation	test
polarity	1908937	238614	238613
rating	2228877	278608	278607

数据集创建

• 许可证: 未知
• 多语言性: 单语种
• 大小类别: 1M<n<10M

使用数据的考虑

• 许可证信息: 未知
• 贡献者: 感谢@guilhermelmello和@DominguesPH添加此数据集。