SentiNews 数据集卡片

数据集概述

SentiNews 是一个斯洛文尼亚情感分类数据集，由 2 到 6 个标注者手动注释的新闻文章组成。它分为三个层次进行注释：

• 文档级别（配置 document_level，10,427 个文档）
• 段落级别（配置 paragraph_level，89,999 个段落）
• 句子级别（配置 sentence_level，168,899 个句子）

支持的任务和排行榜

情感分类，三个类别（消极，中性，积极）。

语言

斯洛文尼亚语。

数据集结构

数据实例

句子级别配置的示例实例：

{
  'nid': 2, 
  'content': 'Vilo Prešeren je na dražbi ministrstva za obrambo kupilo nepremičninsko podjetje Condor Real s sedežem v Lescah.', 
  'sentiment': 'neutral', 
  'pid': 1, 
  'sid': 1
}

数据字段

所有三个配置的数据字段都相似，唯一的区别在于 ID。

• nid：包含新闻文章（文档）的唯一 ID 的 uint16。
• content：包含新闻文章内容的字符串。
• sentiment：实例的情感。
• pid：包含当前新闻文章内段落的连续编号的 uint8，不唯一（在 paragraph_level 和 sentence_level 的配置中存在）。
• sid：包含当前段落内句子的连续编号的 uint8，不唯一（在 sentence_level 的配置中存在）。

其他信息

数据集创建者

Jože Bučar，Martin Žnidaršič，Janez Povh。

许可信息

CC BY-SA 4.0

引用信息

@article{buvcar2018annotated, 
  title={Annotated news corpora and a lexicon for sentiment analysis in Slovene}, 
  author={Bu{\v{c}}ar, Jo{\v{z}}e and {\v{Z}}nidar{\v{s}}i{\v{c}}, Martin and Povh, Janez}, 
  journal={Language Resources and Evaluation}, 
  volume={52}, 
  number={3}, 
  pages={895--919}, 
  year={2018}, 
  publisher={Springer}
}

贡献者

感谢 @matejklemen 添加了该数据集。