Bambara Language Dataset for Sentiment Analysis
iCompass
为了更方便的沟通,发布或评论彼此的帖子,人们使用他们的方言。在非洲,有各种语言和方言。然而,他们的代表性仍然不足,也没有充分用于分析研究和研究目的。为了执行像机器学习和深度学习这样的方法,需要数据集。非洲语言之一是班巴拉语,由不同国家的公民使用。然而,以前没有对这种语言的数据集进行情感分析。在本文中,我们提出了第一个共同的爬行为基础的班巴拉方言数据集专用于情感分析,免费提供自然语言处理的研究目的。
2021-08-05 cs.AI cs.CL
Assessing Trustworthiness of AI Training Dataset using Subjective Logic -- A Use Case on Bias
Huawei Technologies(华为技术有限公司);Ulm Universität(乌尔姆大学)
本文提出首个评估AI训练数据集可信度的框架,通过主观逻辑处理不确定性和偏见等全局属性,实验表明方法能有效识别类别不平衡并在集中式和联邦学习中保持可解释性和鲁棒性。
2026-05-11 cs.AI cs.LG
Polish-ASTE: Aspect-Sentiment Triplet Extraction Datasets for Polish
Poznan University of Technology(波兹南理工大学);Adam Mickiewicz University(亚当·密茨凯维奇大学);Charles University(查理大学)
本文提出了两个波兰语的情感三元组抽取数据集,涵盖酒店和产品评论,并结合两种ASTE技术与大型语言模型进行实验,以评估性能和数据难度,数据集以宽松许可发布,格式与英语数据集一致。
2025-02-27 cs.AI cs.CL
NaijaSenti: A Nigerian Twitter Sentiment Corpus for Multilingual Sentiment Analysis
LIAAD - INESC TEC;Faculty of Sciences-University of Porto(波尔图大学理学院);Saarland University(萨尔大学);Google Research(谷歌研究院);Bayero University(巴耶罗大学);Ahmadu Bello University(艾哈迈杜·贝罗大学);Microsoft Research India(微软研究院印度);Technical University of Munich(慕尼黑工业大学);Clear Global;Kaduna state University(卡杜纳州立大学)
情感分析是NLP中研究最广泛的应用之一,但大多数工作都集中在具有大量数据的语言上。我们介绍了尼日利亚四种最广泛使用的语言(豪萨语,伊博语,皮钦语和约阿希姆巴语)的第一个大规模人类注释的Twitter情感数据集,其中每种语言约有30,000条注释的推文(皮钦语为14,000条),包括很大一部分代码混合的推文。我们提出了文本收集,过滤,处理和标记方法,使我们能够为这些低资源语言创建数据集。我们评估了一系列预先训练的模型和数据集上的传输策略。我们发现,语言特定的模型和语言自适应微调通常表现最好。我们发布了数据集、训练模型、情感词典和代码,以激励对代表性不足的语言进行情感分析的研究。
2022-06-18 cs.AI cs.CL
TUNIZI: a Tunisian Arabizi sentiment analysis Dataset
iCompass
在社交媒体上,阿拉伯人倾向于用自己的方言表达自己。更具体地说,突尼斯人使用称为“突尼斯阿拉伯语”的非正式方式。分析研究旨在探索和识别在线意见,旨在利用它们进行规划和预测,例如测量客户满意度和制定销售和营销策略。然而,基于深度学习的分析研究需要大量数据。另一方面,非洲语言和方言被认为是低资源语言。例如,据我们所知,不存在带注释的突尼斯Arabizi数据集。在本文中,我们介绍了突尼斯的情感分析突尼斯Arabizi数据集,从社交网络收集,预处理的分析研究和注释手动突尼斯母语。
2020-04-29 cs.AI cs.CL
BengaliSent140: A Large-Scale Bengali Binary Sentiment Dataset for Hate and Non-Hate Speech Classification
Department of Computer Science and Engineering, University of Rajshahi(计算机科学与工程系,拉贾沙希大学)
BengaliSent140是一个大规模孟加拉语二元情感数据集,通过整合多个数据集构建,用于训练和评估深度学习模型。
2026-01-27 cs.AI cs.CL
Multimodal Sentiment Analysis on CMU-MOSEI Dataset using Transformer-based Models
George Washington University(乔治·华盛顿大学)
本项目利用基于Transformer的模型和早期融合策略在CMU-MOSEI数据集上进行多模态情感分析,通过为各模态采用BERT编码器并拼接嵌入,在测试集上取得了97.87%的7类准确率和0.9682的F1分数,证明了该架构在多模态情感建模中的有效性和优越性。
2025-07-15 cs.AI cs.CL
New Benchmark Dataset and Fine-Grained Cross-Modal Fusion Framework for Vietnamese Multimodal Aspect-Category Sentiment Analysis
Faculty of Information Science and Engineering, University of Information Technology(信息科学与工程学院,信息技术大学);Vietnam National University(越南国家大学)
针对现有ACSA数据集忽略图像细粒度信息的问题,提出了越南语多模态数据集ViMACSA与细粒度跨模态融合框架FCMF,通过有效融合模态内外交互信息,在多项实验中超越SOTA模型并取得79.73%的最高F1分数。
2024-05-01 cs.AI cs.CL
Distributionally Robust Classifiers in Sentiment Analysis
Stanford University(斯坦福大学)
在本文中,我们提出了基于BERT集成DRO(分布鲁棒分类器)的情感分类模型,以提高模型在具有分布变化的数据集上的性能。我们在BERT之上添加了2层Bi-LSTM、投影层(到单纯形或Lp球上)和线性层,以实现分布式鲁棒性。我们考虑了一种形式的分布转移(从IMDb数据集到烂番茄数据集)。我们已经通过实验证实,我们的DRO模型确实提高了我们的测试集的性能,从训练集的分布转移。
2021-10-20 cs.AI cs.CL
NEU-ESC: A Comprehensive Vietnamese dataset for Educational Sentiment analysis and topic Classification toward multitask learning
College of Technology, National Economics University(经济大学技术学院)
本文提出了面向多任务学习的越南语教育情感与主题分类新数据集NEU-ESC,并使用BERT模型在情感和主题分类任务上分别实现了83.7%和79.8%的准确率。
2025-06-30 cs.AI cs.CL
SentiGOLD: A Large Bangla Gold Standard Multi-Domain Sentiment Analysis Dataset and its Evaluation
Giga Tech Limited(吉加科技有限公司);Bangladesh Computer Council(孟加拉国计算机委员会);North South University(北南大学);Fordham University(福特汉姆大学)
本研究推出包含7万样本、覆盖30领域5类情感的孟加拉语金标准多领域情感分析数据集SentiGOLD,经规范标注实现高一致性,实验验证了其泛化性并树立了分类基准。
2023-06-09 cs.AI cs.CL
Making sense of electrical vehicle discussions using sentiment analysis on closely related news and user comments
UC Berkeley(加州大学伯克利分校)
我们使用了一个标记明智和文档明智的情感分析,使用无监督和监督模型应用于新闻和用户评论数据集。我们的标记方面的情感分析发现两组之间的情感存在统计学上的显著差异(两者都是非常大的N),我们的文档方面的监督情感分析发现情感没有显著差异。
2022-06-19 cs.AI cs.CL
Sentiment Analysis for YouTube Comments in Roman Urdu
National University of Computer and Emerging Sciences(国家计算机与新兴科学大学)
情感分析是机器学习领域中的一个广阔领域。大量的工作是在数据集及其对英语的分析上完成的。在巴基斯坦,大量的数据是罗马乌尔都语,它分散在社交网站,包括Twitter,YouTube,Facebook和类似的应用程序。在这项研究中,数据集收集的重点领域是YouTube评论。数据集包含人们对不同巴基斯坦戏剧和电视节目的评论。数据集包含多类分类,将评论分为积极,消极和中性情绪。本文对线性回归、SVM、KNN、多层感知器和朴素贝叶斯分类器等五种监督学习算法进行了比较分析。准确率,召回率,精确度和F-测量用于测量性能。结果表明,SVM的准确率为64%,优于列表中的其他部分。
2021-02-19 cs.AI cs.CL
Impact of Stickers on Multimodal Sentiment and Intent in Social Media: A New Task, Dataset and Baseline
School of Computer Science and Technology(计算机科学与技术学院);Soochow University(苏州大学);Institute for Infocomm Research, A*STAR(信息与通信研究院,A*STAR)
本文提出涉及贴纸的多模态聊天情感分析与意图识别任务 MSAIRS,构建中文社交媒体数据集,并提出带差分向量和级联注意力的 MMSAIR 基线,验证联合建模的有效性。
2025-07-23 cs.AI cs.CL
Interventional Aspect-Based Sentiment Analysis
Zhejiang University(浙江大学);Tencent(腾讯);AZFT Joint Lab for Knowledge Engine(AZFT知识引擎联合实验室)
最近的基于神经元的方面为基础的情感分析方法,虽然取得了有前途的改进基准数据集,有报告遭受较差的鲁棒性时,遇到混杂因素,如非目标方面。在本文中,我们采取因果的观点来解决这个问题。我们提出了一个简单而有效的方法,即情绪调整(SENTA),通过应用后门调整来解开这些混杂因素。在方面鲁棒性测试集(ARTS)数据集上的实验结果表明,该方法在保持原始测试集准确性的同时提高了性能。
2021-04-20 cs.AI cs.CL
USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset
Yokohama National University(横滨国立大学);Pusan National University(釜山国立大学)
本文提出通用情感分析(USA)模型,利用单词与文本间的相互增强效应(MRE)并构建四个SCPOS数据集,在四项任务上超越gpt-3.5-turbo。
2023-09-14 cs.CL
AraCOVID19-SSD: Arabic COVID-19 Sentiment and Sarcasm Detection Dataset
Research Centre on Scientific and Technical Information (CERIST)(科学技术信息研究中心(CERIST))
冠状病毒病(COVID-19)是一种传染性呼吸道疾病,于2019年12月下旬在中国武汉首次发现,随后在全球范围内传播,造成大量恐慌和死亡。Facebook和Twitter等社交网站的用户一直专注于阅读、发布和分享有关新出现的大流行病的新奇事物、推文和文章。许多这些用户经常使用讽刺来以幽默,有趣和间接的方式传达他们的意图,使得基于计算机的应用程序很难自动理解和识别他们的目标以及他们可以改变的伤害程度。出于对在COVID-19背景下解决此类问题的注释数据集的新兴需求,本文构建并发布了AraCOVID 19-SSD,这是一个手动注释的阿拉伯语COVID-19讽刺和情感检测数据集,包含5,162条推文。为了确认所构建的数据集的实际效用,已经使用几种分类模型对其进行了仔细的分析和测试。
2021-10-05 cs.AI cs.CL
Transfer Learning for Improving Results on Russian Sentiment Datasets
在这项研究中,我们使用远程监督技术创建的额外训练样本在俄罗斯情感基准数据集上测试迁移学习方法。我们比较了几个变种的基准训练样本相结合的额外的数据。最好的结果是使用一般,专题和原始训练样本的顺序训练的三步方法。对于大多数数据集,结果比当前最先进的方法提高了3%以上。BERT-NLI模型将情感分类问题视为自然语言推理任务,在其中一个数据集上达到了人类水平的情感分析。
2021-07-06 cs.CL
Dual-Attention Model for Aspect-Level Sentiment Classification
East China University of Science and Technology(华东理工大学)
我提出了一种新的双注意力模型(DAM)的方面级情感分类。人们提出了许多方法,如用于人工设计特征的支持向量机,基于注意力机制的长短期记忆网络,以及基于依存句法分析的图神经网络。虽然这些方法都有不错的性能,但我认为它们都遗漏了一个重要的语法信息:依赖标签。基于这一思想,本文提出了一种使用依赖标签的注意力机制模型来完成这一任务。我们在三个数据集上评估了所提出的方法:笔记本电脑和餐馆来自SemEval 2014,最后一个是Twitter数据集。实验结果表明,双注意力模型在所有三个数据集上都具有良好的性能。
2023-03-14 cs.AI cs.CL
Comparative Study of Sentiment Analysis for Multi-Sourced Social Media Platforms
Manipal Institute of Technology(马尼帕尔理工学院)
由于当今世界技术的快速发展,每秒钟都会产生大量的数据。这一研究领域试图确定人们在社交媒体帖子上的感受或观点。我们使用的数据集是来自Twitter,Reddit等各种社交网站的评论部分的多源数据集。采用自然语言处理技术对所获得的数据集进行情感分析。在本文中,我们提供了一个比较分析,使用基于词汇的技术,机器学习和深度学习的方法。这项工作中使用的机器学习算法是朴素贝叶斯,这项工作中使用的基于词典的方法是TextBlob,这项工作中使用的深度学习算法是LSTM。
2022-12-09 cs.AI cs.CL
Survey of Aspect-based Sentiment Analysis Datasets
University of Houston(休斯顿大学);Adobe Research(Adobe研究院);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
本文综述了65个公开ABSA数据集,覆盖25个以上领域,梳理主要语料库特征、收集方法优缺点,并为未来语料库建设提供建议。
2023-09-21 cs.AI cs.CL
Infer Induced Sentiment of Comment Response to Video: A New Task, Dataset and Baseline
Inspur Electronic Information Industry Co.,Ltd.(浪潮电子信息产业股份有限公司);Nankai University(南开大学);Fudan University(复旦大学);Tsinghua University(清华大学)
针对现有视频多模态情感分析忽略观众诱发情感的问题,提出MSA-CRVI新任务,构建了含8210个微视频、10万余条评论的CSMV数据集,并提出VC-CSA基线方法,性能优于现有基线。
2024-05-15 cs.AI cs.CL cs.CV
The MuSe 2021 Multimodal Sentiment Analysis Challenge: Sentiment, Emotion, Physiological-Emotion, and Stress
University of Augsburg(奥格斯堡大学);University of Ulm(乌尔姆大学);Nanyang Technological University(南洋理工大学);University of Oulu(奥卢大学);Imperial College London(帝国理工学院)
多模态情感分析(MuSe)2021是一项挑战,通过更全面地整合视听、语言和生物信号模态,专注于情感和情绪的任务,以及生理情绪和基于情绪的压力识别。MuSe 2021的目的是汇集来自不同学科的社区;主要是视听情感识别社区(基于信号),情感分析社区(基于符号)和健康信息学社区。我们提出了四个不同的子挑战:MuSe-Wilder和MuSe-Stress,专注于持续的情绪(效价和唤醒)预测; MuSe-Sent,参与者识别五个类别的效价和唤醒;和MuSe-Physio,其中“生理情绪”的新方面将被预测。在今年的挑战中,我们利用MuSe-CaR数据集,专注于用户生成的评论,并引入Ulm-TSST数据集,该数据集显示了处于紧张状态的人。本文还详细介绍了从这些数据集中提取的最先进的特征集,供我们的基线模型长短期记忆-递归神经网络使用。对于每个子挑战,为参与者设置了竞争基线;即,在测试中,我们报告MuSe-Wilder的一致性相关系数(CCC)为.4616 CCC; MuSe-Stress为.4717 CCC,MuSe-Physio为.4606 CCC。MuSe-Sent的F1评分为32.82%。
2021-10-22 cs.AI cs.CL
Improving Results on Russian Sentiment Datasets
Bauman Moscow State Technical University(鲍曼莫斯科国立技术大学);Lomonosov Moscow State University(罗蒙诺索夫莫斯科国立大学)
在这项研究中,我们测试了标准神经网络架构(CNN,LSTM,BiLSTM)和最近出现的BERT架构在以前的俄罗斯情感评估数据集上。我们比较了两个变种的俄罗斯BERT,并表明,在这项研究中的所有情感任务的会话变种的俄罗斯BERT表现更好。BERT-NLI模型将情感分类任务视为自然语言推理任务,取得了最好的结果。在其中一个数据集上,该模型实际上达到了人类水平。
2020-07-28 cs.CL
Transformer-based Multi-Aspect Modeling for Multi-Aspect Multi-Sentiment Analysis
Nanjing University(南京大学)
基于语义的情感分析(ABSA)旨在分析句子中给定方面的情感。最近,基于神经网络的方法在现有的ABSA数据集上取得了可喜的成果。然而,这些数据集倾向于退化到句子级别的情感分析,因为大多数句子仅包含一个方面或具有相同情感极性的多个方面。为了促进ABSA的研究,NLPCC 2020共享任务2发布了一个新的大规模多方面多情感(MAMS)数据集。在MAMS数据集中,每个句子至少包含两个不同的方面,具有不同的情感极性,这使得ABSA更加复杂和具有挑战性。为了解决具有挑战性的数据集,我们重新形式化ABSA作为一个问题的多方面的情感分析,并提出了一种新的基于transformer的多方面建模方案(TMM),它可以捕捉多个方面之间的潜在关系,同时检测句子中的所有方面的情感。在MAMS数据集上的实验结果表明,与BERT和RoBERTa等强基线相比,该方法取得了显著的改进,最终在NLPCC 2020共享任务2评测中排名第2。
2020-11-01 cs.CL
A Cross-Validation Study of Turkish Sentiment Analysis Datasets and Tools
Ozyegin University(厄齐耶因大学);Koc University(科克大学);Wageningen Food Safety Research(瓦赫宁根食品安全研究所)
该研究针对土耳其语情感分析数据集匮乏导致研究结果差异大的问题,综述2012-2022年相关研究、收集23个数据集并分类,测试主流工具性能,发现性能依赖文本特征,深化了对土耳其语情感分析的认知。
2024-12-08 cs.CL
MaCmS: Magahi Code-mixed Dataset for Sentiment Analysis
University of Galway(戈尔韦大学);Università Cattolica del Sacro Cuore(圣心天主教大学)
本文提出了首个用于情感分析的Magahi-Hindi-English语码混合数据集MaCMS,通过语言学与统计分析揭示了语码混合结构及语言偏好,并训练基线模型验证了数据集质量。
2024-03-22 cs.CL
XED: A Multilingual Dataset for Sentiment Analysis and Emotion Detection
University of Helsinki(赫尔辛基大学)
我们介绍了XED,一个多语言的细粒度情感数据集。该数据集包括人类注释的芬兰语(25k)和英语句子(30k),以及30种其他语言的预测注释,为许多低资源语言提供了新的资源。我们使用Plutchik的核心情感来注释数据集,并添加中性来创建多标签多类数据集。该数据集使用特定语言的BERT模型和SVM进行了仔细评估,以表明XED与其他类似数据集的性能相当,因此是情感分析和情感检测的有用工具。
2020-11-06 cs.CL
OATS: Opinion Aspect Target Sentiment Quadruple Extraction Dataset for Aspect-Based Sentiment Analysis
University of Houston(休斯顿大学);Adobe Research(奥多比研究实验室)
针对现有ABSA基准数据集领域受限、数据粒度不足等问题,本文推出覆盖三个新领域的OATS四元组抽取数据集,并建立初始基线,以助力ABSA的全面研究。
2024-03-06 cs.CL
Sentiment analysis is not solved! Assessing and probing sentiment classification
University of Oslo(奥斯陆大学)
SA的神经方法已经导致了对以前方法的定量改进,但这些进步并不总是伴随着对定性差异的彻底分析。因此,目前尚不清楚情感分析还存在哪些突出的概念挑战。在这项工作中,我们试图发现哪些挑战仍然证明英语情感分类器的问题,并提供一个具有挑战性的数据集。我们收集了一个(Oracle)最先进的情感分类器集合错误分类的句子子集,然后为它们注释了18种语言学和非语言学现象,如否定,讽刺,模态等。数据集可在https://github.com/ltgoslo/assessing_and_probing_sentiment上获得。最后,我们提供了一个案例研究,证明了有用的数据集探测一个给定的情感分类器的性能相对于语言现象。
2019-06-13 cs.CL
Presence of informal language, such as emoticons, hashtags, and slang, impact the performance of sentiment analysis models on social media text?
University of Miskolc(米什科尔茨大学)
本研究旨在探讨表情符号和俚语等非正式语言的存在对社交媒体文本情感分析模型性能的影响。卷积神经网络(CNN)模型在三个数据集上被开发和训练:讽刺数据集、情感数据集和表情数据集。模型架构在所有实验中保持不变,模型在80%的数据上进行训练,并在20%的数据上进行测试。结果显示,该模型在讽刺数据集上的准确率为96.47%,其中类别1的准确率最低。在情感数据集上,该模型的准确率达到了95.28%。讽刺和情感数据集的融合将模型的准确率提高到95.1%,表情数据集的加入对模型的准确率有轻微的积极影响,达到95.37%。该研究表明,非正式语言的存在对应用于社交媒体文本的情感分析模型的性能具有有限的影响。然而,将表情数据包含到模型中可以稍微提高准确性。
2023-01-28 cs.CL
A Dataset and BERT-based Models for Targeted Sentiment Analysis on Turkish Texts
Boğaziçi University(海峡大学)
目标情感分析旨在从给定的文本中提取对特定目标的情感。这是一个由于互联网的日益普及而引起关注的领域,这导致人们产生大量数据。情感分析通常需要注释数据进行训练,是广泛研究的语言(如英语)的研究领域。对于像土耳其语这样的低资源语言,缺乏这样的注释数据。我们提出了一个注释的土耳其数据集适合有针对性的情感分析。我们还提出了不同架构的BERT模型,以完成有针对性的情感分析的任务。实验结果表明,对于目标情感分析任务,所提出的模型优于传统的情感分析模型。
2022-05-09 cs.CL cs.LG
ASAP: A Chinese Review Dataset Towards Aspect Category Sentiment Analysis and Rating Prediction
Meituan(美团);Dalian University of Technology(大连理工大学)
情感分析在电子商务中受到越来越多的关注。用户评论背后的情感极性对于商业智能具有重要价值。方面类别情感分析(ACSA)和评论评级预测(RP)是检测由细到粗的情感极性的两个基本任务。%同时考虑各方面的情感(ACSA)和总体评论评级(RP)有可能提高整体绩效。ACSA和RP高度相关,通常在现实世界的电子商务场景中联合使用。而大多数公共数据集是分别为ACSA和RP构建的,这可能会限制这两个任务的进一步利用。为了解决这一问题并推进相关研究,我们提出了一个大规模的中国餐馆评论数据集\textbf{ASAP},其中包括来自中国领先的在线到离线(O2O)电子商务平台的$46,730$真实评论。除了$5$星级评级之外,每个评论都根据其对$18$预定义方面类别的情感极性进行手动注释。我们希望数据集的发布可以为情感分析领域带来一些启示。此外,我们提出了一个直观而有效的ACSA和RP的联合模型。实验结果表明,联合模型优于国家的最先进的基线上的两个任务。
2021-04-30 cs.CL
BnSentMix: A Diverse Bengali-English Code-Mixed Dataset for Sentiment Analysis
Islamic University of Technology(伊斯兰科技大学)
针对孟加拉语-英语代码混合情感数据稀缺问题,本文构建含2万样本的BnSentMix数据集,并提出14种基线方法,最佳模型取得69.8%准确率和69.1% F1分数。
2024-12-10 cs.CL
GERestaurant: A German Dataset of Annotated Restaurant Reviews for Aspect-Based Sentiment Analysis
University of Regensburg(雷根斯堡大学)
本研究提出包含3078条人工标注德语餐厅评论的GERestaurant数据集,覆盖多类餐厅,标注含隐/显式方面等内容,并提供四项ABSA任务基准,填补德语相关资源空白,助力餐厅领域ABSA研究。
2024-08-15 cs.CL
An LSTM model for Twitter Sentiment Analysis
University of New Mexico(新墨西哥大学)
Twitter等社交媒体上的情感分析为组织和个人提供了一种有效的方法来监测公众对他们及其竞争对手的情绪。因此,情感分析成为一项重要而具有挑战性的任务。在这项工作中,我们收集了七个公开的和手动注释的twitter情感数据集。我们从收集的数据集创建一个新的训练和测试数据集。我们开发了一个LSTM模型来对推文的情感进行分类,并使用新的数据集对模型进行评估。
2022-12-04 cs.CL cs.SI
Comparative Approaches to Sentiment Analysis Using Datasets in Major European and Arabic Languages
本研究比较了BERT、mBERT和XLM-R在多语言情感分析中的表现,发现XLM-R在形态复杂语言中准确率超88%,并强调了微调策略对低资源语言分类的重要性。
2025-01-21 cs.CL
SentiHood: Targeted Aspect Based Sentiment Analysis Dataset for Urban Neighbourhoods
University College London(伦敦大学学院);Bloomsbury AI;University of Warwick(华威大学)
在本文中,我们介绍了有针对性的方面为基础的情感分析的任务。目标是提取用户评论中提到的实体的细粒度信息。这项工作扩展了基于方面的情感分析和有针对性的情感分析,基于方面的情感分析假设每个文档有一个单一的实体,基于方面的情感分析假设对目标实体的单一情感。特别是,我们识别对一个或多个实体的每个方面的情感。作为这一任务的测试平台,我们介绍了SentiHood数据集,从一个问答(QA)平台,其中城市社区由用户讨论提取。在这种情况下,文本单元经常提到一个或多个街区的几个方面。这是第一次使用通用的社交媒体平台(在这种情况下是QA平台)进行细粒度的意见挖掘。与当前数据集所基于的评论特定平台的文本相比,来自QA平台的文本受到的限制要少得多。我们开发了几个强大的基线,依赖于逻辑回归和最先进的递归神经网络。
2016-10-12 cs.CL
DravidianMultiModality: A Dataset for Multi-modal Sentiment Analysis in Tamil and Malayalam
National University of Ireland Galway(爱尔兰国立高威大学);Amrita Vishwa Vidyapeetham(阿姆里塔大学);Indian Institute of Information Technology and Management-Kerala(喀拉拉邦印度信息技术与管理学院);Universiti Pendidikan Sultan Idris(苏丹依德理斯教育大学)
人类的交流本质上是多模态和异步的。分析人类情感和情绪是人工智能的一个新兴领域。我们看到社交媒体上越来越多的关于产品和其他主题的本地语言多模态内容。然而,没有太多的多模态资源可用于资源不足的德拉威语。我们的研究旨在为资源不足的泰米尔语和马拉雅拉姆语创建一个多模态情感分析数据集。首先,我们从YouTube上下载了泰米尔语和马拉雅拉姆语的产品或电影评论视频。接下来,我们在注释器的帮助下为视频创建标题。然后,我们标记的情感视频,并验证了注释者之间的协议使用Fleiss的Kappa。这是第一个多模态情感分析数据集泰米尔语和马拉雅拉姆语的志愿者注释。
2021-06-09 cs.CL
BAN-ABSA: An Aspect-Based Sentiment Analysis dataset for Bengali and it's baseline evaluation
Shahjalal University of Science and Technology(沙赫贾拉勒科技大学)
由于社交媒体或报纸用户评论、在线产品评论评论的惊人增长,情感分析(SA)引起了研究人员的极大兴趣。随着领域的快速增长,SA工作的目标不仅是预测句子或文档的情感,而且还提供句子或文档的不同方面的必要细节(即基于方面的情感分析)。大量的数据集SA和基于方面的情感分析(ABSA)已经提供了英语和其他著名的欧洲语言。在本文中,我们提出了一个手动注释的高质量的孟加拉语数据集,BAN-ABSA,这是由3个母语孟加拉语的人与方面及其相关的情绪注释。该数据集由2,619个正面,4,721个负面和1,669个中立数据样本组成,来自一些着名的孟加拉新闻门户网站收集的9,009条独特评论。此外,我们进行了一个基线评估,重点是深度学习模型,实现了78.75%的准确率为方面的术语提取和71.08%的准确率为情感分类。在BAN-ABSA数据集上的实验表明,CNN模型在准确性方面更好,尽管Bi-LSTM在平均F1得分方面明显优于CNN模型。
2020-12-01 cs.CL
LABR: A Large Scale Arabic Sentiment Analysis Benchmark
Cairo University(开罗大学)
我们介绍了LABR,最大的情感分析数据集的日期为阿拉伯语。它由超过63,000篇书评组成,每一篇都被评为1至5星。我们调查的数据集的属性,并提出其统计。我们探索使用数据集进行两项任务:(1)情感极性分类;(2)评级分类。此外,我们提供了数据集的标准分割,分为训练,验证和测试,用于极性和评级分类,在平衡和不平衡的设置。我们通过对数据集进行全面分析来扩展我们以前的工作。特别是,我们进行了扩展调查的不同分类器通常用于情感极性分类问题。我们还从包含单个和复合情感词的数据集构建了情感词典,并探讨了其有效性。我们公开了数据集和实验细节。
2015-05-03 cs.CL cs.LG
Sentiment Analysis on Financial News Headlines using Training Dataset Augmentation
University of Waterloo(滑铁卢大学)
本文讨论了UWaterloo团队为解决SemEval 2017任务5提出的细粒度情感分析问题所采取的方法。本文介绍了文档矢量化和情感得分预测技术,以及在构建系统时所采取的设计和实施决策。该系统使用文本向量化模型,如N-gram,TF-IDF和段落嵌入,结合回归模型变量来预测情感得分。在检查的方法中,一元和二元再加上简单的线性回归获得了最好的基线精度。本文还探讨了数据增强方法来补充训练数据集。该系统是为子任务2(新闻声明和标题)设计的。
2017-07-29 cs.CL
The emojification of sentiment on social media: Collection and analysis of a longitudinal Twitter sentiment dataset
Queen Mary University of London(伦敦玛丽女王大学)
针对社交媒体情感纵向研究的空白,构建了含1.84亿条推文、跨度超七年的TM-Senti远程监督情感数据集,分析发现emoji使用量逐渐超过emoticon,且数据集可基于公开存档完整还原。
2025-03-24 cs.CL cs.DL cs.SI
Exploring the Ethical Concerns in User Reviews of Mental Health Apps using Topic Modeling and Sentiment Analysis
School of Computing and Informatics(计算与信息学学院);University of Louisiana at Lafayette(路易斯安那州立大学拉法叶分校)
本研究通过主题建模和情感分析,探讨心理健康应用用户评论中的伦理问题,揭示现有伦理原则的不足及新兴伦理挑战。
2026-02-04 cs.CL cs.CY cs.HC
Sentiment Analysis of Persian Language: Review of Algorithms, Approaches and Datasets
Islamic Azad University, Central Tehran Branch(伊斯兰阿扎德大学德黑兰中央分校);Kharazmi University(哈拉兹米大学)
情感分析旨在从人们在网络上的评论中提取他们的情感和观点。它广泛用于企业检测社交数据中的情绪,衡量品牌声誉和了解客户。该领域的大多数文章都集中在英语上,而波斯语的资源有限。在这篇综述论文中,收集了2018年至2022年期间在波斯语情感分析方面发表的最新文章,并对其方法,方法和数据集进行了解释和分析。几乎所有用于解决情感分析的方法都是机器学习和深度学习。本文的目的是研究40种不同的方法情感分析在波斯语,分析数据集以及应用于他们的算法的准确性,并审查每个的优点和缺点。在所有方法中,诸如BERT的Transformers和诸如LSTM和Bi-LSTM的RNN神经网络在情感分析中实现了更高的准确性。除了方法和途径之外,还列出了2018年至2022年期间审查的数据集,并提供了有关每个数据集及其详细信息的信息。
2022-11-09 cs.CL cs.LG
SalAngaBhava: A Sinhala Market Dataset for Aspect-based Sentiment Analysis
Dept. of Computer Science & Engineering, University of Moratuwa, Sri Lanka(印度 Moratuwa 大学计算机科学与工程系,斯里兰卡);School of Technologies, Cardiff Metropolitan university, United Kingdom(英国卡迪夫米大学科技学院)
针对低资源僧伽罗语缺乏标注ABSA数据集的问题,构建含人工标注方面与情感的僧伽罗语产品评论数据集,为相关NLP研究提供基准支撑。
2026-07-07 cs.CL cs.LG
L3Cube-MahaSent-MD: A Multi-domain Marathi Sentiment Analysis Dataset and Transformer Models
L3Cube;Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
针对马拉地语等低资源语言情感分析数据集匮乏的问题,提出了首个多领域马拉地语情感分析数据集L3Cube-MahaSent-MD,包含4个领域约6万样本,并微调BERT模型验证了MahaBERT的最佳性能及跨领域分析需求。
2023-06-24 cs.CL cs.LG
Study of sampling methods in sentiment analysis of imbalanced data
Indiana University(印第安纳大学)
本文研究了两种不同的高度不平衡数据集上的情感分析抽样方法的应用。一个数据集包含来自烹饪平台Epicurious的在线用户评论,另一个数据集包含给计划生育组织的评论。在这两个数据集中,感兴趣的类别都很少见。单词n-gram被用作这些数据集的特征。首先应用基于信息增益的特征选择技术将特征数量减少到可管理的空间。一些不同的抽样方法,然后应用于减轻类不平衡的问题,然后进行分析。
2021-06-12 cs.CL
Sentiment analysis in Bengali via transfer learning using multi-lingual BERT
Shahjalal University of Science and Technology(沙贾拉勒科技大学);Fordham University(福特汉姆大学)
孟加拉语中的情感分析(SA)是具有挑战性的,这是由于这种印度-雅利安语言的高度屈折特性,动词有160多种不同的屈折形式,名词有36种不同的形式,代词有24种不同的形式。孟加拉语领域缺乏标准标记数据集使得SA的任务更加困难。在本文中,我们提出了手动标记的2类和3类SA数据集在孟加拉语。我们还证明了具有相关扩展的多语言BERT模型可以通过在这些新数据集上的迁移学习方法进行训练,以提高情感分类任务的最新性能。这种深度学习模型对于2类情感分类的准确率达到了71%,而目前最先进的准确率为68%。我们还提出了第一个孟加拉SA分类器的3类手动标记的数据集,我们提出的模型达到了60%的准确率。我们进一步使用这个模型来分析网络日报中的公众评论的情绪。我们的分析表明,人们对政治或体育新闻的负面评论更多,而宗教文章的评论代表了积极的情绪。数据集和代码可在https://github.com/KhondokerIslam/Bengali\_Sentiment上公开获取。
2020-12-03 cs.CL
ACAT: A Collaborative Platform for Efficient Aspect-Based Sentiment Dataset Annotation
National University of Science and Technology POLITEHNICA Bucharest(波兰那尔大学科学与技术学院)
提出ACAT平台,通过自动化ETL流程和原生支持四种ABSA工作流,解决多标注者数据整合与一致性计算问题,实现高效标注并直接导出训练就绪数据集。
2026-06-02 cs.CL
The ParlaSent Multilingual Training Dataset for Sentiment Identification in Parliamentary Proceedings
Radboud University(拉德堡德大学)
本文提出了包含7种语言的ParlaSent情感标注数据集,并引入在17.2亿议会词汇上预训练的首个政治学多语言transformer模型,显著提升了议会会议跨语言情感识别的稳健性与泛化性能。
2024-03-20 cs.CL
M-ABSA: A Multilingual Dataset for Aspect-Based Sentiment Analysis
Guangdong Provincial Key Laboratory of Quantum Engineering and Quantum Materials(广东省量子工程与量子材料重点实验室);South China Normal University(华南师范大学);LMU Munich(慕尼黑大学);Munich Center for Machine Learning(慕尼黑机器学习中心);Technical University of Munich(慕尼黑工业大学);Renmin University of China(中国人民大学);Brown University(布朗大学);ShanghaiTech University(上海科技大学);FAU Erlangen-Nuremberg(埃尔朗根-纽伦堡大学)
针对现有ABSA数据集以英语为主的问题,提出覆盖7个领域和21种语言的多语言平行数据集M-ABSA,支持三元组抽取及多语言迁移学习等评估,推动多语言ABSA研究。
2025-09-09 cs.CL
Supervised Sentiment Classification with CNNs for Diverse SE Datasets
University of Waterloo(滑铁卢大学)
情感分析是一种流行的意见挖掘技术,已被软件工程研究社区用于评估应用评论、问题跟踪器中的开发人员情绪以及开发人员对API的意见等任务。过去的研究表明,最先进的情感分析技术在SE数据上的性能较差。这是因为情感分析工具通常被设计用于非技术文档,如电影评论。在这项研究中,我们试图通过提出一种基于卷积神经网络(CNN)和在预训练词向量之上训练的长短期记忆(LSTM)的分层模型来解决现有SE文本情感分析技术的问题。我们通过在五个黄金标准数据集上与一些常用的情感分析工具进行比较,评估了我们模型的性能和可靠性。我们的结果表明,我们的模型在准确性方面进一步推动了所有数据集的最新技术水平。我们还表明,在标记数据集的小样本并重新训练我们的模型后,而不是使用无监督分类器,可以获得更好的准确性。
2018-12-23 cs.CL cs.SE
Constructing Colloquial Dataset for Persian Sentiment Analysis of Social Microblogs
Faculty member in ICT Research Institute(ICT研究所教员);Iran Telecommunication Research Center (ITRC)(伊朗电信研究中心);Faculty member in Computer Department(计算机系教员);Mehralborz University(梅赫拉布尔兹大学);Hazrat-e Masoumeh University(玛苏姆大学)
本文构建了波斯语口语数据集并提出基于CNN的模型,提升社交媒体微博客口语文本的情感分析性能,实验结果显示72%的准确率。
2024-03-07 cs.CL