印尼语评论情感分析数据集SERFEE
数据来源：互联网公开数据
标签：情感分析,印尼语,文本数据,机器学习,自然语言处理,评论,情感分类
数据概述：
本数据集专为印尼语情感分析任务设计，通过整合“indonlu”和“google-play-review”两个现有数据集构建而成。“indonlu”数据集来源于“indonlp/indonlu”软件包，“google-play-review”数据集则来自Jakarta Research GitHub 仓库，并移除了“stars”列。
数据集包含三个主要子集：训练集（train）、验证集（validation，val）和测试集（test）。每个子集都标注了三种情感类别：0（负面）、1（中性）和2（正面）。各子集的标签分布如下：
训练集：
标签 0：6416 个样本
标签 1：5410 个样本
标签 2：6416 个样本
验证集：
标签 0：735 个样本
标签 1：735 个样本
标签 2：735 个样本
测试集：
标签 0：208 个样本
标签 1：88 个样本
标签 2：204 个样本
为了确保情感类别间的平衡，在数据集创建过程中应用了过采样技术。此外，还进行了预处理步骤，包括使用 Sastrawi 库进行停用词处理和词干提取。
数据用途概述：
该数据集适用于开发和评估印尼语情感分析的机器学习模型。研究人员和实践者可以使用此数据进行情感分类、情绪识别等任务，以深入理解印尼语文本的情感表达。
免责声明：
本数据集通过合并现有数据集并经过特定预处理步骤创建。虽然已努力确保数据质量，但仍可能存在一些固有的局限性或偏见。建议用户在使用前根据其特定需求审查和验证数据集。
