数据集概述
该数据集是首个豪萨尼亚方言文本分类基准数据集，包含一千八百五十一条记录，分为正面、负面、中性三类。数据通过网络爬虫从Facebook评论收集，使用Label Studio标注，为豪萨尼亚方言文本分类任务提供基准数据支持。
文件详解
- 目录：HASSANIYA-DTCD A new Dataset for Benchmarking Text Classification Tasks on HASSANIYA Dialect/
- Readme.txt：文本格式，包含数据集基本信息、DOI、作者及联系方式等说明
- HASSANIYA_DATASET.csv：CSV格式，核心数据文件，字段包括id（记录ID）、annotations（标注数量）、created_at（创建时间）、Annotation results（标注结果：Neutral/Negative等）、text（豪萨尼亚方言文本）、updated_at（更新时间）
- supplementary_data.zip：压缩包格式，包含补充数据
适用场景
- 自然语言处理研究：豪萨尼亚方言文本分类模型的训练与基准测试
- 方言NLP资源建设：补充低资源语言文本分类数据集
- 社交媒体文本分析：探究豪萨尼亚方言社交媒体内容的情感倾向
- 多语言文本分类对比：与其他语言文本分类任务的跨语言模型性能比较
