数据集概述
本数据集为“基于简单评分的自然语言处理（NLP）算法评估”实验的中间结果，包含2个文件，涵盖预处理后的文本数据及对应的元数据，用于记录算法实验过程中的核心信息与处理后的数据内容。
文件详解
- 元数据文件：
- 文件名称：20230513_merged_preprocessed.metadata.xml
- 文件格式：XML
- 字段映射介绍：记录数据集的元数据信息，具体字段需参考XML文件内部结构
- 数据文件：
- 文件名称：20230513_merged_preprocessed.csv
- 文件格式：CSV
- 字段映射介绍：包含text（原始文本）、rating（评分）、source（来源）、cleaned_text（清洗后文本）等字段，存储预处理后的文本数据及相关属性
适用场景
- NLP算法开发与优化：用于基于评分的NLP算法的中间性能验证与参数调整
- 文本数据预处理研究：分析清洗后文本对算法结果的影响，优化预处理流程
- 算法实验过程追溯：通过元数据与数据文件记录，复现实验中间步骤与结果
- 评分类文本数据应用：基于text与rating字段，开展评分预测、情感分析等下游任务
