【汽车行业用户观点主题及情感识别】数据介绍

数据背景

数据为用户在汽车论坛中对汽车相关内容的讨论或评价。

数据说明

（1）训练数据： 训练数据为CSV格式，以英文半角逗号分隔，首行为表头，字段说明如下：

字段名称	类型	描述	说明
content_id	Int	数据ID	/
content	String	文本内容	/
subject	String	主题	提取或依据上下文归纳出来的主题
sentiment_value	Int	情感分析	分析出的情感
sentiment_word	String	情感词	情感词

训练集数据中主题被分为10类，包括：动力、价格、内饰、配置、安全性、外观、操控、油耗、空间、舒适性。

情感分为3类，分别用数字0、1、-1表示中立、正向、负向。

content_id与content一一对应，但同一条content中可能会包含多个主题，此时出现多条记录标注不同的主题及情感，因此在整个训练集中content_id存在重复值。其中content_id，content，subject，sentiment_value对应字段不能为空且顺序不可更改，否则提交失败。

仅小部分训练数据包含有情感词sentiment_word，大部分为空，情感词不作为评分依据。

字段顺序为：content_id，content，subject，sentiment_value，sentiment_word

（2）测试数据：测试数据为CSV格式，首行为表头，字段为：

字段名称	类型	描述
content_id	Int	数据ID
content	String	文本内容

作品要求

提交csv文件，使用UTF-8编码格式，提交的字段要求与训练数据一致，具体可参见结果提交样例文件 test_result.csv：

字段名称	类型	描述	说明
content_id	Int	数据ID	/
content	String	文本内容
subject	String	主题	提取或依据上下文归纳出来的主题
sentiment_value	Int	情感分析	情感值（-1:负向 0:中性 1:正向）
sentiment_word	String	情感词	情感词

参赛者提交的结果数据中，每行数据的subject必须为训练集中给出的10类之一，即：动力、价格、内饰、配置、安全性、外观、操控、油耗、空间、舒适性中的一个。

参赛者提交的结果数据中，每行数据的sentiment_value必须为训练集中给出的3类之一，即：0、1、-1中的一个。

content_id必须与测试集数据相同，对于同一条content中分析出多个主题和情感，应以多条记录（多行数据）的方式进行提交，且content_id不变。

本赛题在判断结果正确性时按照“主题+情感值”精确匹配的方式，参赛者如无法得出“主题”或“情感值”任意一项，则此条数据也应被包含在结果数据中，除id外其他为空即可。

评分方式

本赛题采用F1-Score评价方式。按照“主题+情感分析”识别数量和结果（是否正确）来进行判断，参赛者需要识别文本中可能包含的多个“主题”。

（1）匹配识别结果
Tp：判断正确的数量；
Fp：判断错误或多判的数量；
Fn；漏判的数量；
关于Tp、Fp、Fn的统计规则说明如下：

当提交的一条数据结果包含“主题+情感值”，如果参赛者对“主题+情感”的判断结果完全正确则计入Tp，如果对“主题”或“情感值”的判断结果错误则计入Fp&#