文脈 このデータセットには、感情極性分類のために、ポルトガル語のツイートが肯定的、否定的、中立的なクラスに分類されています。 肯定的および否定的な事例を収集してラベル付けするために、Goら（2009年）が使用した肯定的および否定的な顔文字を用いた遠隔監督法が採用されました。 中立的なツイートについては、人気のニュースレターアカウントからの客観的なテキストと、Kouloumpisら（2011年）から適応された特定のハッシュタグが使用されました。 内容 データセット内のツイートは、主に2018年8月1日から2018年10月20日までにTwitterから収集されました。 主なデータセットは4つあります。 - テーマ付きツイート：約100の政治用語と肯定的および否定的な顔文字を併用して収集されました。約6万件のツイートが含まれています。 - テーマ無しツイート：肯定的および否定的な顔文字のみを使用して収集されました。約78万件のツイートが含まれています。 - ハッシュタグからの中立的ツイート：ハッシュタグを使用して収集されました。約1.5万件のツイートが含まれています。 - ニュースアカウントからの中立的ツイート：人気のニュースアカウントから直接収集されました。約3.5万件のツイートが含まれています。 これらから、分類アルゴリズムの学習と検証に使用できる以下のデータセットが作成されました。 - 学習用データセット： - テーマのない肯定的および否定的なツイート各5万件、10万件、20万件、30万件、40万件、50万件 - 政治関連のツイートを含む肯定的および否定的なツイート各5万件 - テーマのない肯定的、否定的、中立的なツイート各10万件 - テスト用データセット： - テーマのない肯定的および否定的なツイート各5000件 - 政治関連のツイートを含む肯定的および否定的なツイート各5000件 - テーマのない肯定的、否定的、中立的なツイート各5000件 すべてのデータセットで、クラス間のインスタンス数は均等です。それらの感情ラベルは以下のように変換されています。 - 否定的ラベル：0 - 肯定的ラベル：1 - 中立的ラベル：2 参考文献 [Sentiment Classification using Distant Supervision. 2009.][1] [Twitter Sentiment Analysis: The Good the Bad and the OMG! 2011.][2] [1]: https://cs.stanford.edu/people/alecmgo/papers/TwitterDistantSupervision09.pdf [2]: https://www.researchgate.net/publication/221297835_Twitter_Sentiment_Analysis_The_Good_the_Bad_and_the_OMG