突尼斯阿拉伯语方言情感分析训练数据集-2023-kingabzpro
数据来源：互联网公开数据
标签：阿拉伯语,方言,情感分析,突尼斯,机器学习,自然语言处理,社交媒体,训练数据
数据概述：
本数据集是首个100%突尼斯阿拉伯语方言（Arabizi）的情感分析数据集（TUNIZI），由AI4D的非洲语言自然语言处理项目开发。阿拉伯语方言阿拉伯化（Arabizi）是使用拉丁字母和数字书写突尼斯方言的形式，而非阿拉伯字母。
数据集中的评论是从社交媒体平台收集的，涵盖了公众对热门话题的 sentiment 表达。为了这一目的，我们通过公开的流式API提取了10万个评论。
数据进行了预处理，包括去除链接、表情符号和标点符号。收集的评论被手动标注为三个情感类别：正面（1）、负面（-1）和中性（0）。标注者在性别、年龄和社会背景方面具有多样性。
数据内容包括以下字段定义：
- text_id：文本的唯一标识符
- text：文本内容
- label：评论的情感标签（-1表示负面，0表示中性，1表示正面）
可用于下载的文件有：
- Train.csv：用于训练模型的文本数据。
- Test.csv：用于模型分类的文本数据。
- SampleSubmission.csv：提交文件的示例格式。行的顺序不重要，但ID名称必须正确。'label'列的值应为-1、0或1。
数据用途概述：
该数据集适用于自然语言处理、情感分析、机器学习模型训练和评估等场景。研究人员和开发者可以利用此数据集训练和验证情感分析模型；教育机构可以将其用于教学和实践；社交媒体平台可以利用其进行用户行为分析和内容推荐。
致谢：
关于AI4D-Africa；人工智能与发展-非洲网络（ai4d.ai）
AI4D-Africa是撒哈拉以南非洲地区的人工智能卓越网络，旨在加强和开发人工智能相关领域的社区、科学和技术卓越性。该网络由非洲的人工智能研究人员、从业人员和政策制定者组成。
