Amazon评论极性数据集的数据卡片

数据集概述

Amazon评论数据集包含来自亚马逊的评论。数据跨越了18年的时间，包括截至2013年3月的大约3500万条评论。评论包括产品和用户信息、评分和明文评论。

支持的任务和排行榜

• 文本分类、情感分类：该数据集主要用于文本分类：给定内容和标题，预测正确的星级评分。

语言

主要为英语。

数据集结构

数据示例

典型的数据点由标题、内容和相应标签组成。

Amazon极性测试集的一个示例如下：

{
    'title':'Great CD',
    'content':"My lovely Pat has one of the GREAT voices of her generation. I have listened to this CD for YEARS and I still LOVE IT. When I'm in a good mood it makes me feel better. A bad mood just evaporates like sugar in the rain. This CD just oozes LIFE. Vocals are jusat STUUNNING and lyrics just kill. One of life's hidden gems. This is a desert isle CD in my book. Why she never made it big is just beyond me. Everytime I play this, no matter black, white, young, old, male, female EVERYBODY says one thing ""Who was that singing ?""",
    'label':1
}

数据字段

• 'title'：包含评论标题的字符串 - 使用双引号（"）进行转义，任何内部双引号都用2个双引号（""）进行转义。换行符使用反斜杠紧跟着一个“n”字符进行转义，即“\n”。
• 'content'：包含文档正文的字符串 - 使用双引号（"）进行转义，任何内部双引号都用2个双引号（""）进行转义。换行符使用反斜杠紧跟着一个“n”字符进行转义，即“\n”。
• 'label'：1（积极）或0（消极）评分。

数据分割

Amazon评论极性数据集通过将评分1和2视为负面，将评分4和5视为正面来构建。忽略评分3的样本。每个类别有180万个训练样本和20万个测试样本。

数据集创建

策划理由

Amazon评论极性数据集由Xiang Zhang (xiang.zhang@nyu.edu) 构建。它被用作以下论文中的文本分类基准：Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015)。

源数据

[需要更多信息]

[需要更多信息]

注释

[需要更多信息]

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据集的社会影响

[需要更多信息]

偏见讨论

[需要更多信息]

其他已知限制

[需要更多信息]

附加信息

数据集策划者

[需要更多信息]

许可信息

Apache License 2.0

引用信息

McAuley, Julian, and Jure Leskovec. "Hidden factors and hidden topics: understanding rating dimensions with review text." In Proceedings of the 7th ACM conference on Recommender systems, pp. 165-172. 2013.

Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015)

贡献

感谢 @hfawaz 添加了该数据集。