印尼苏丹语推特情绪分类数据集2021
数据来源：互联网公开数据
标签：苏丹语,推特,情绪分类,自然语言处理,计算机科学,数据集
数据概述：
本数据集包含2510条推特，这些推特使用印尼的第二大本地语言——苏丹语。数据集用于情绪分类研究，旨在帮助理解苏丹语推特中的情绪表达。数据集经过预处理，包括小写转换、停用词去除和词干提取。
数据用途概述：
该数据集适用于自然语言处理研究，特别是情绪分类任务。研究人员可以利用此数据集训练和评估情绪分类模型，帮助开发针对苏丹语文本的自然语言处理工具。此外，数据集也可用于教学和教育，帮助学生了解情绪分类的基本原理和方法。
数据集特征：
- 数据类型：表格
- 领域：计算机科学
- 相关任务：分类
- 实例数量：2510
- 是否有推荐的数据分割：无
- 是否有缺失值：无
- 预处理：分词、停用词去除、词干提取
数据集创建目的：
此数据集的创建是为了支持自然语言处理研究，特别是针对印尼苏丹语的文本分析。
资金来源：
该数据集是由研究人员自筹资金创建的。
参考文献：
标题：苏丹语推特数据集用于情绪分类
作者：Oddi Virgantara Putra; Fathin Muhammad Wasmanson; Triana Harmini; Shoffin Nahwa Utama
出版年份：2020
期刊：会议论文
链接：https://ieeexplore.ieee.org/abstract/document/9297929
摘要：苏丹语是印尼第二大民族，拥有多种方言。这一情况引起了许多研究人员的兴趣，特别是对社交媒体上情绪分析的关注。然而，由于可用的苏丹语数据集有限，理解苏丹语情绪表达是一项具有挑战性的任务。本研究提出了一种用于苏丹语文本情绪分类的数据集。预处理步骤包括小写转换、停用词去除、词干提取、分词和文本表示。在分类之前，我们使用词频-逆文档频率（TF-IDF）进行特征生成。我们使用k折交叉验证对数据集进行了评估。实验结果表明，所提出的方法在机器学习分类任务中表现出良好的效果。据我们所知，这是第一个公开的苏丹语情绪数据集。
引用：
Putra, Oddy Virgantara. (2021). Sundanese Twitter Dataset. UCI Machine Learning Repository. https://doi.org/10.24432/C5MK8C.
