数据集概述
本数据集为葡萄牙语比较句标注数据，包含葡萄牙语比较词词典、Twitter社交媒体标注句及Buscapé电商平台标注句三部分。数据由人工标注，涵盖比较句类型、比较实体、关键词等信息，是葡萄牙语比较意见分析的基础资源。
文件详解
- 葡萄牙语比较词词典文件
- 文件名称：portuguese_lexicon.csv
- 文件格式：CSV
- 字段映射介绍：包含176个葡萄牙语中常用于表达比较意见的词汇，如mais（更）、maior（更大）、melhor（更好）等
- Twitter标注数据集文件
- 文件名称：dataset_twitter.json
- 文件格式：JSON
- 字段映射介绍：包含text（句子文本）、entity_s1（比较实体1）、entity_s2（比较实体2）、keyword（比较关键词）、preferred_entity（偏好实体）、id_start（关键词起始位置）、id_end（关键词结束位置）、type（句子类型，0-4对应不同比较/非比较类型）字段，共2053条标注句，其中918条为比较句
- Buscapé标注数据集文件
- 文件名称：dataset_buscape.json
- 文件格式：JSON
- 字段映射介绍：包含与Twitter数据集相同的字段结构，共2754条标注句，其中1282条为比较句
数据来源
论文“Mining Portuguese Comparative Sentences in Online Reviews”
适用场景
- 葡萄牙语比较句识别研究: 用于训练和测试葡萄牙语文本中比较句的自动识别模型
- 比较意见挖掘分析: 提取电商评论及社交媒体中的产品比较意见，支持消费者行为研究
- 情感分析扩展应用: 补充传统情感分析中对比较类意见的处理能力
- 多语言NLP资源构建: 为葡萄牙语自然语言处理任务提供标注数据支撑
