yelp_polarity_reviews

  • opis :

Duży zbiór danych recenzji Yelp. To jest zestaw danych do binarnej klasyfikacji tonacji. Zapewniamy zestaw 560 000 bardzo polarnych recenzji na potrzeby szkolenia i 38 000 do testowania. POCHODZENIE Zbiór danych recenzji Yelp składa się z recenzji z Yelp. Został on wyodrębniony z danych Yelp Dataset Challenge 2015. Więcej informacji można znaleźć na stronie http://www.yelp.com/dataset

Zbiór danych o biegunowości opinii Yelp jest tworzony przez Xiang Zhanga (xiang.zhang@nyu.edu) na podstawie powyższego zbioru danych. Po raz pierwszy zastosowano go jako wzorzec klasyfikacji tekstu w następującym artykule: Xiang Zhang, Junbo Zhao, Yann LeCun. Sieci konwolucyjne na poziomie znaków do klasyfikacji tekstu. Postępy w neuronowych systemach przetwarzania informacji 28 (NIPS 2015).

OPIS

Zbiór danych o biegunowości recenzji Yelp jest tworzony na podstawie gwiazdek 1 i 2 ujemnych oraz gwiazdek 3 i 4 dodatnich. Dla każdej polaryzacji pobiera się losowo 280 000 próbek treningowych i 19 000 próbek testowych. W sumie jest 560 000 próbek szkoleniowych i 38 000 próbek testowych. Ujemna polaryzacja to klasa 1, a dodatnia klasa 2.

Pliki train.csv i test.csv zawierają wszystkie próbki szkoleniowe jako wartości rozdzielane przecinkami. Znajdują się w nich 2 kolumny odpowiadające indeksowi zajęć (1 i 2) oraz tekstowi recenzji. Teksty recenzji są poprzedzone podwójnym cudzysłowem ("), a każdy wewnętrzny podwójny cudzysłów jest poprzedzony dwoma podwójnymi cudzysłowami (""). Nowe wiersze są poprzedzone ukośnikiem odwrotnym, po którym następuje znak "n", czyli " ".

Rozdzielać Przykłady
'test' 38 000
'train' 560 000
  • Struktura funkcji :
FeaturesDict({
    'label': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'text': Text(shape=(), dtype=string),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
etykieta Etykieta klasy int64
tekst Tekst strunowy
  • Cytat :
@article{zhangCharacterlevelConvolutionalNetworks2015,
  archivePrefix = {arXiv},
  eprinttype = {arxiv},
  eprint = {1509.01626},
  primaryClass = {cs},
  title = {Character-Level { {Convolutional Networks} } for { {Text Classification} } },
  abstract = {This article offers an empirical exploration on the use of character-level convolutional networks (ConvNets) for text classification. We constructed several large-scale datasets to show that character-level convolutional networks could achieve state-of-the-art or competitive results. Comparisons are offered against traditional models such as bag of words, n-grams and their TFIDF variants, and deep learning models such as word-based ConvNets and recurrent neural networks.},
  journal = {arXiv:1509.01626 [cs]},
  author = {Zhang, Xiang and Zhao, Junbo and LeCun, Yann},
  month = sep,
  year = {2015},
}