AFINN-96

一个包含1468个独特英语单词（和短语）的列表，这些单词根据情感极性（valence）进行评分。负面词汇具有负极性（[-5,0)），正面词汇具有正极性（(0,5]），中性词汇的极性为0。

This dataset comprises a list of 1468 unique English words and phrases, each assigned a score based on its emotional valence. Negative words hold a valence score within the interval [-5, 0), positive words have a valence score within (0, 5], and neutral words have a valence score of 0.

原始信息汇总

AFINN-96 数据集概述

数据集描述

AFINN-96 是一个包含英语单词及其情感评分的列表，用于情感分析。每个单词都有一个从-5到5的情感评分，其中负数表示负面情感，正数表示正面情感，0表示中性。

数据集内容

• 单词数量: 1468个独特的英语单词（包括短语）。
• 情感评分范围: 负数（-5,0）表示负面情感，正数（0,5]表示正面情感，0表示中性。
• 数据格式: 列表形式，每个元素是一个包含单词及其情感评分的数组。

使用方法

安装

bash npm install @stdlib/datasets-afinn-96

示例代码

javascript var afinn96 = require( @stdlib/datasets-afinn-96 );

var words = afinn96(); /* returns [ [abandon,-2], [abandons,-2], [abandoned,-2], ... ] */

注意事项

• 该列表是 AFINN-111 的早期版本。
• 列表中包含重复的单词。
• 列表中包含拼写错误的单词，这是为了适应社交媒体内容中常见的拼写错误。
• 所有单词均为小写。
• 部分“单词”实际上是短语。
• 单词可能包含撇号和破折号。

参考文献

• Nielsen, Finn Årup. 2011. "A new ANEW: Evaluation of a word list for sentiment analysis in microblogs."
• Hansen, Lars Kai, et al. 2011. "Good Friends, Bad News - Affect and Virality in Twitter."

许可证

数据文件（数据库）根据 [Open Data Commons Attribution 1.0 License][odc-by-1.0] 授权，其内容根据 [Creative Commons Attribution 4.0 International Public License][cc-by-4.0] 授权。软件根据 [Apache License, Version 2.0][apache-license] 授权。

搜集汇总

数据集介绍

构建方式

AFINN-96数据集是通过对英语单词和短语进行情感评分构建的。该数据集包含1468个独特的英语单词和短语，每个词或短语都被赋予了一个情感值，范围从-5到5，其中负值表示负面情感，正值表示正面情感，0表示中性情感。数据集的构建基于Finn Årup Nielsen的研究，旨在为情感分析提供一个基础的词汇资源。

特点

AFINN-96数据集的特点在于其简洁性和实用性。它包含了常见的英语单词和短语，并且这些词汇的情感评分已经过精心标注，适用于多种情感分析任务。此外，数据集中的词汇包括了拼写错误和重复项，这些设计是为了更好地适应社交媒体等非正式文本的分析需求。

使用方法

AFINN-96数据集可以通过多种方式使用。首先，用户可以通过npm安装包来获取数据集，并在JavaScript环境中直接调用。其次，数据集支持多种输出格式，如CSV和NDJSON，便于在不同平台和工具中进行处理。用户可以根据需要将数据集转换为字典格式，以便快速查询每个单词或短语的情感评分。

背景与挑战

背景概述

AFINN-96数据集是由Finn Årup Nielsen创建的一个英语词汇情感评分列表，主要用于情感分析领域。该数据集包含了1468个独特的英语单词和短语，每个词或短语都被赋予了一个情感值（valence），范围从-5到5，分别表示负面情感到正面情感。AFINN-96是AFINN-111的前身，尽管其规模较小，但在情感分析研究中仍具有重要价值。该数据集的创建旨在为社交媒体内容的情感分析提供一个基础工具，尤其是在处理非正式文本和拼写错误时表现出色。

当前挑战

AFINN-96数据集在构建过程中面临了多个挑战。首先，数据集中包含了重复的词汇和拼写错误，这些错误是故意保留的，以模拟社交媒体中常见的非正式表达。其次，数据集中的词汇不仅包括单个单词，还包含短语和带有标点符号的表达，这增加了情感分析的复杂性。此外，由于该数据集是早期版本，其覆盖范围和准确性可能不如后续版本AFINN-111，这要求研究者在应用时需谨慎考虑其局限性。

常用场景

经典使用场景

AFINN-96数据集的经典使用场景主要集中在情感分析领域。该数据集通过为1468个英语单词和短语分配情感极性评分（从-5到+5），为文本情感分析提供了基础。研究人员和开发者可以利用这些评分来量化文本中的情感倾向，从而在社交媒体监控、产品评论分析、舆情监测等应用中实现自动化的情感识别与分类。

实际应用

在实际应用中，AFINN-96数据集被广泛用于社交媒体监控、客户反馈分析、品牌声誉管理等领域。例如，企业可以利用该数据集分析用户在社交媒体上的评论，自动识别正面或负面的情感倾向，从而及时调整营销策略或改进产品。此外，该数据集还可用于新闻舆情监测，帮助政府和机构快速了解公众对特定事件的情感反应。

衍生相关工作

基于AFINN-96数据集，许多后续研究和工作得以展开。例如，AFINN-111数据集作为其升级版本，进一步扩展了词汇量并改进了情感评分。此外，基于该数据集的情感分析模型在自然语言处理领域得到了广泛应用，推动了情感分析技术的进步。相关工作还包括情感词典的构建、情感分析算法的优化，以及跨语言情感分析的研究。