احساسات

• توضیحات :

مجموعه داده GoEmotions شامل 58 هزار نظر ردیت است که با دقت تنظیم شده اند که برای 27 دسته احساسات یا خنثی برچسب گذاری شده اند. دسته بندی احساسات عبارتند از تحسین، سرگرمی، خشم، آزار، تایید، مراقبت، سردرگمی، کنجکاوی، میل، ناامیدی، عدم تایید، انزجار، خجالت، هیجان، ترس، قدردانی، اندوه، شادی، عشق، عصبی بودن، خوش بینی، غرور، درک، تسکین، پشیمانی، اندوه، تعجب.

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : https://github.com/google-research/google-research/tree/master/goemotions

• کد منبع : tfds.text.Goemotions

• نسخه ها :

  • 0.1.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 4.19 MiB

• حجم مجموعه داده : 32.25 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'admiration': bool,
    'amusement': bool,
    'anger': bool,
    'annoyance': bool,
    'approval': bool,
    'caring': bool,
    'comment_text': Text(shape=(), dtype=string),
    'confusion': bool,
    'curiosity': bool,
    'desire': bool,
    'disappointment': bool,
    'disapproval': bool,
    'disgust': bool,
    'embarrassment': bool,
    'excitement': bool,
    'fear': bool,
    'gratitude': bool,
    'grief': bool,
    'joy': bool,
    'love': bool,
    'nervousness': bool,
    'neutral': bool,
    'optimism': bool,
    'pride': bool,
    'realization': bool,
    'relief': bool,
    'remorse': bool,
    'sadness': bool,
    'surprise': bool,
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@inproceedings{demszky-2020-goemotions,
    title = "{G}o{E}motions: A Dataset of Fine-Grained Emotions",
    author = "Demszky, Dorottya  and
      Movshovitz-Attias, Dana  and
      Ko, Jeongwoo  and
      Cowen, Alan  and
      Nemade, Gaurav  and
      Ravi, Sujith",
    booktitle = "Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics",
    month = jul,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.acl-main.372",
    pages = "4040--4054",
}