Amazon Polarity
Conjunto de datos que contiene reseñas de productos de Amazon de más de 18 años, con anotaciones positivas o negativas. Cada ejemplo incluye un título, contenido de texto y una etiqueta de polaridad. Ideal para entrenar modelos de clasificación de sentimientos.
Alrededor de 4 millones de reseñas (tren y prueba), formato JSON con campos de título, contenido y etiquetas binarias
Apache 2.0
Descripción
Amazon Polarity es un corpus masivo de reseñas de clientes de habla inglesa, anotadas para clasificar los sentimientos en positivos o negativos. Los datos abarcan un período de 18 años e incluyen los títulos y el contenido de las reseñas.
¿Para qué sirve este conjunto de datos?
- Modelos de clasificación de sentimientos de formación para el comercio electrónico
- Mejore los sistemas de análisis y recomendación de comentarios de los clientes
- Pruebe la solidez de los modelos de PNL en grandes cantidades de datos reales
¿Se puede enriquecer o mejorar?
El conjunto de datos puede enriquecerse añadiendo anotaciones más precisas (por ejemplo, aspectos específicos de los productos) o combinarse con otras fuentes de reseñas para crear corpus multilingües.
🔎 En resumen
🧠 Recomendado para
- Científicos de datos
- programadores de PNL
- Investigadores de análisis de sentimientos
🔧 Herramientas compatibles
- Hugging Face Transformers
- TensorFlow
- PyTorch
- Scikit-learn
💡 Consejo
Combine este conjunto de datos con revisiones detalladas para obtener un aprendizaje más contextual y preciso.
Preguntas frecuentes
¿Este conjunto de datos cubre varios idiomas?
No, la mayoría de las reseñas están en inglés.
¿Qué etiquetas se utilizan para la clasificación?
Dos etiquetas binarias: 0 para negativo (notas 1 y 2), 1 para positivo (notas 4 y 5).
¿Se puede usar este conjunto de datos para tareas distintas de la clasificación de sentimientos?
Diseñado principalmente para la clasificación de sentimientos, pero se puede aprovechar para el análisis general de textos.
