TM-Senti

This is a large-scale, multilingual and longitudinal Twitter sentiment dataset sampled through distant supervision from the Twitter Stream Grab archive (https://archive.org/details/twitterstream). It covers the time period between January 2013 and June 2020 for 7 languages:- Arabic (ar)<br>- German (de)<br>- English (en)- Spanish (es)- French (fr)- Italian (it)- Chinese (zh)<br>With the files in this repository, we provide tweet IDs that can be used to rehydrate the datasets by using the files available from the Twitter Stream Grab.<br><br>Files are formatted as TSV files, with the following columns:<br>date \t tweetid \t sentiment \t evidence<br>where:- date is the day in which the tweet was posted.- tweetid is the ID of the tweet- sentiment is either pos or neg- evidence is the set of emojis or emoticons used to determine if the tweet was positive or negative.<br><br>More details about the dataset can be found in the following paper (please cite the paper if you use the dataset):<br>TBA<br>

本数据集为大规模多语言纵向推特情感数据集，通过远程监督采样自Twitter Stream Grab档案库（https://archive.org/details/twitterstream）。数据集覆盖2013年1月至2020年6月的时间范围，涵盖7种语言：
- 阿拉伯语(ar)
- 德语(de)
- 英语(en)
- 西班牙语(es)
- 法语(fr)
- 意大利语(it)
- 中文(zh)

本仓库提供的文件包含推文ID，使用者可借助Twitter Stream Grab获取的相关文件，通过这些ID复原完整数据集。

本仓库中的文件均采用TSV格式，包含以下四列：
date tweetid sentiment evidence
各列含义如下：
- date：推文发布日期
- tweetid：推文的唯一标识符
- sentiment：情感极性，取值为pos（积极）或neg（消极）
- evidence：用于判定该推文情感极性的表情或表情符号集合

有关本数据集的更多细节可参阅下述论文（若使用本数据集，请引用该论文）：待补充（TBA）