настроение140

• Описание :

Sentiment140 позволяет узнать отношение к бренду, продукту или теме в Twitter.

Данные представляют собой CSV-файл с удаленными смайликами. Формат файла данных имеет 6 полей:

1. полярность твита (0 = отрицательный, 2 = нейтральный, 4 = положительный)
2. идентификатор твита (2087)
3. дата твита (сб, 16 мая, 23:58:44 UTC 2009 г.)
4. запрос (lyx). Если запроса нет, то это значение равно NO_QUERY.
5. пользователь, который написал в Твиттере (robotickilldozr)
6. текст твита (Ликс классная)

Для получения дополнительной информации см. статью «Классификация настроений в Твиттере с дистанционным наблюдением» по адресу https://cs.stanford.edu/people/alecmgo/papers/TwitterDistantSupervision09.pdf .

• Дополнительная документация : изучить документы с кодом

• Домашняя страница : http://help.sentiment140.com/home

• Исходный код : tfds.datasets.sentiment140.Builder

• Версии :

  • 1.0.0 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 77.59 MiB

• Размер набора данных : 305.13 MiB .

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'test'	498
'train'	1 600 000

• Структура функции :

FeaturesDict({
    'date': Text(shape=(), dtype=string),
    'polarity': int32,
    'query': Text(shape=(), dtype=string),
    'text': Text(shape=(), dtype=string),
    'user': Text(shape=(), dtype=string),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
датировать	Текст		нить
полярность	Тензор		int32
запрос	Текст		нить
текст	Текст		нить
пользователь	Текст		нить

• Контролируемые ключи (см. as_supervised doc ): ('text', 'polarity')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

@ONLINE {Sentiment140,
    author = "Go, Alec and Bhayani, Richa and Huang, Lei",
    title  = "Twitter Sentiment Classification using Distant Supervision",
    year   = "2009",
    url    = "http://help.sentiment140.com/home"
}