情感分析常见数据集以及任务进展

情感分析

原文：https://github.com/sebastianruder/NLP-progress/blob/master/english/sentiment_analysis.md

IMDb

IMDb数据集是一个二分类的情感分析数据集，包括了来自Internet Movie Database（IMDb）的50000条电影评论，分别标注为正面和负面两类情感。数据集包含偶数个正面和负面评论。评论打分满分为10分，分数<=4归为负面评论，分数>=7归为正面评论。每部电影的评论不得超过30条。基于准确性评估模型

SST:SST-5,SST-2

Stanford Sentiment Treebank在电影评论中的11,855个句子的语法分析树中包含215,154个带有细粒度情感标签的短语。 根据准确率对模型进行细粒度（五向）或二进制分类。

Yelp

Yelp评论数据集包含500,000个Yelp评论。数据集既有二分类也有细粒度（五类）的版本，根据误差error评价模型

SemEval-2017 Task4

International Workshop on Semantic Evaluation是一个国际语义研讨会，每年都会发布自然语言处理领域的相关任务，最新关于情感分析的任务如下：
SemEval-2017任务4包含五个子任务，每个子任务都提供阿拉伯语和英语：

1. 子任务A：给定一条推文，确定它表示正面，负面还是中立情绪。
2. 子任务B：给定一条推文和一个主题，对传达给该主题的情绪进行分类：积极与消极
3. 子任务C：给定一条推文和一个主题，以5分制对推文中对该主题表达的情感进行分类：强正，弱，中性，弱和强。
4. 子任务D：给定关于主题的一组推文，估计推文在POSITIVE和NEGATIVE类中的分布。
5. 子任务E：给定关于主题的一组推文，估计推文在以下五个类中的分布：强正，弱正，中性，弱正和强负。
   

方面级情感分析

Sentihood

Sentihood是用于基于方面的目标情感分析targeted aspect-based sentiment analysis （TABSA）的数据集，旨在识别针对特定方面的细粒度极性。 数据集包含5,215个句子，其中3,862个包含单个目标，其余多个目标。
Dataset mirror: https://github.com/uclmr/jack/tree/master/data/sentihood

SemEval-2014 Task 4

SemEval-2014任务4包含两个特定领域（笔记本电脑和餐厅）的数据集，由超过6K的句子以及细粒度的方面级人类注释组成。
该任务包含以下子任务：

1. 任务A:方面提取
2. 任务B：方面极性分类
3. 任务C:方面类别探测
4. 任务D:方面类别极性分类

Preprocessed dataset: https://github.com/songyouwei/ABSA-PyTorch/tree/master/datasets/semeval14
https://github.com/howardhsu/BERT-for-RRC-ABSA (with both subtask 1 and subtask 2)

Sentiment classification with user and product information 带有用户和产品信息的情感分类

这是关于情感分类的相同任务，其中给定的文本是评论，但我们还额外得到（a）编写文本的用户，以及（b）为其编写文本的产品。 Tang等人介绍了三种广泛使用的数据集。 （2015）：IMDB，Yelp 2013和Yelp2014。评估是同时使用准确性和RMSE进行的，但为简洁起见，我们仅在此处提供准确性。 请查看有关RMSE值的文件。

Subjectivity analysis

与情感分析相关的任务是主观性分析，其目标是将观点标记为主观或客观。