巴西葡萄牙语情感分析数据集-2016至2018年-fredericods
数据来源：互联网公开数据
标签：巴西葡萄牙语,情感分析,机器学习,自然语言处理,数据集,电商评论,电影评论,应用评论,预处理,教育,研究
数据概述：
本数据集包含多个巴西葡萄牙语的情感分析数据集，旨在为研究巴西葡萄牙语文本分类和机器学习模型性能提供资源。数据集来源于Olist的巴西电商公开数据集、B2W Digital的B2W-Reviews01、以及Opinando项目的Corpus Buscapé和UTLCorpus。数据集分为两类目标特征：极性（正面或负面）和评分（1至5星），并对每个数据集进行了预处理和分段，便于模型的训练、验证和测试。
数据集包括以下内容：
1. Olist：巴西最大电商平台的数据集，包含约100,000条订单评论，时间范围为2016年至2018年。
2. B2W-Reviews01：B2W Digital发布的电商产品评论数据集，包含超过130,000条评论。
3. Corpus Buscapé：Corpus Buscapé包含超过80,000条产品评论，来源于Buscapé网站。
4. UTLCorpus：包含超过200万条评论，包括电影评论和应用评论，来源于Filmow和Google Play Store。
数据集信息：
- 数据集大小：涵盖超过200万条评论，分为极性（2类）和评分（5类）两种目标特征。
- 数据集大小细分：详见表格，包括每个数据集的训练集、验证集和测试集样本数量。
- 词汇表大小和文档长度：详见表格，包括每个数据集的平均长度、中位数长度、一元和二元词汇表大小。
- 标签分布：详见表格，包括每个数据集在极性和评分两类目标特征下的标签分布情况。
数据用途概述：
该数据集适用于自然语言处理研究、情感分析模型评估、电商评论分析、电影评论分析、应用评论分析等多种场景。研究人员可以利用这些数据集进行模型训练和验证，评估模型性能；教育者可以利用这些数据集进行教学演示和课程设计；企业可以利用这些数据集进行市场分析和用户反馈处理。此外，数据集还适合用于科学研究、机器学习算法开发和评估等高级应用场景。
