sentiments140

• Descriptif :

Sentiment140 vous permet de découvrir le sentiment d'une marque, d'un produit ou d'un sujet sur Twitter.

Les données sont un CSV avec les émoticônes supprimées. Le format du fichier de données comporte 6 champs :

1. la polarité du tweet (0 = négatif, 2 = neutre, 4 = positif)
2. l'identifiant du tweet (2087)
3. la date du tweet (samedi 16 mai 23:58:44 UTC 2009)
4. la requête (lyx). S'il n'y a pas de requête, cette valeur est NO_QUERY.
5. l'utilisateur qui a tweeté (robotickilldozr)
6. le texte du tweet (Lyx c'est cool)

Pour plus d'informations, reportez-vous à l'article Twitter Sentiment Classification with Distant Supervision à l' adresse https://cs.stanford.edu/people/alecmgo/papers/TwitterDistantSupervision09.pdf

• Documentation complémentaire : Explorer sur Papers With Code north_east

• Page d' accueil : http://help.sentiment140.com/home

• Code source : tfds.datasets.sentiment140.Builder

• Versions :

  • 1.0.0 (par défaut) : aucune note de version.

• Taille du téléchargement : 77.59 MiB

• Taille du jeu de données : 305.13 MiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

• Structure des fonctionnalités :

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

• Documentation des fonctionnalités :

• Touches supervisées (Voir as_supervised doc ): ('text', 'polarity')

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

@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"
}