RiTA-nlp/UINAUIL

---
license: cc-by-nc-sa-4.0
language:
- it
size_categories:
- 1K<n<10K
pretty_name: UINAUIL
dataset_info:
- config_name: haspeede2
features:
- name: id
dtype: int32
- name: full_text
dtype: string
- name: hs
dtype: int16
- name: stereotype
dtype: int16
- name: source
dtype: string
splits:
- name: train
num_examples: 6839
- name: test
num_examples: 1763
- config_name: ironita
features:
- name: id
dtype: string
- name: text
dtype: string
- name: irony
dtype: int8
- name: sarcasm
dtype: int8
- name: topic
dtype: string
splits:
- name: train
num_examples: 3977
- name: test
num_examples: 872
- config_name: sentipolc
features:
- name: twitterid
dtype: string
- name: text
dtype: string
- name: subj
dtype: int8
- name: opos
dtype: int8
- name: oneg
dtype: int8
- name: iro
dtype: int8
- name: lpos
dtype: int8
- name: lneg
dtype: int8
- name: top
dtype: int8
splits:
- name: train
num_examples: 7410
- name: test
num_examples: 2000
configs:
- config_name: haspeede2
data_files:
- split: train
path: haspeede2/taskAB_development.tsv
- split: test
path: haspeede2/taskAB_reference_test.tsv
- config_name: ironita
data_files:
- split: train
path: ironita/train.tsv
- split: test
path: ironita/test.tsv
- config_name: sentipolc
data_files:
- split: train
path: sentipolc/train.tsv
- split: test
path: sentipolc/test.tsv
---

许可证：CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享4.0国际许可协议）
语言：意大利语
样本规模区间：1000 < 样本数量 < 10000
美观命名：UINAUIL

数据集信息如下：
1. 配置项haspeede2
特征字段包括：
- 标识符（id）：数据类型为int32（32位整数）
- 完整文本（full_text）：数据类型为string（字符串）
- 仇恨言论标签（hs）：数据类型为int16（16位整数）
- 刻板印象标签（stereotype）：数据类型为int16（16位整数）
- 来源（source）：数据类型为string（字符串）
数据集拆分：
- 训练集：共6839条样本
- 测试集：共1763条样本

2. 配置项ironita
特征字段包括：
- 标识符（id）：数据类型为string（字符串）
- 文本（text）：数据类型为string（字符串）
- 反讽标签（irony）：数据类型为int8（8位整数）
- 讽刺标签（sarcasm）：数据类型为int8（8位整数）
- 主题（topic）：数据类型为string（字符串）
数据集拆分：
- 训练集：共3977条样本
- 测试集：共872条样本

3. 配置项sentipolc
特征字段包括：
- 推特标识符（twitterid）：数据类型为string（字符串）
- 文本（text）：数据类型为string（字符串）
- 主观性标签（subj）：数据类型为int8（8位整数）
- 正向子任务极性标签（opos）：数据类型为int8（8位整数）
- 负向子任务极性标签（oneg）：数据类型为int8（8位整数）
- 反讽标签（iro）：数据类型为int8（8位整数）
- 正向词级极性标签（lpos）：数据类型为int8（8位整数）
- 负向词级极性标签（lneg）：数据类型为int8（8位整数）
- 主题标签（top）：数据类型为int8（8位整数）
数据集拆分：
- 训练集：共7410条样本
- 测试集：共2000条样本

数据集配置对应数据文件路径如下：
- 配置项haspeede2：
训练集数据路径：haspeede2/taskAB_development.tsv（制表符分隔值文件）
测试集数据路径：haspeede2/taskAB_reference_test.tsv（制表符分隔值文件）
- 配置项ironita：
训练集数据路径：ironita/train.tsv（制表符分隔值文件）
测试集数据路径：ironita/test.tsv（制表符分隔值文件）
- 配置项sentipolc：
训练集数据路径：sentipolc/train.tsv（制表符分隔值文件）
测试集数据路径：sentipolc/test.tsv（制表符分隔值文件）

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-sa-4.0
• 语言: 意大利语 (it)
• 大小: 1K<n<10K
• 别名: UINAUIL

数据集配置

1. 配置名称: haspeede2

   • 特征:
     • id: int32
     • full_text: string
     • hs: int16
     • stereotype: int16
     • source: string
   • 分割:
     • 训练集: 6839 样本
     • 测试集: 1763 样本
   • 数据文件:
     • 训练集: haspeede2/taskAB_development.tsv
     • 测试集: haspeede2/taskAB_reference_test.tsv

2. 配置名称: ironita

   • 特征:
     • id: string
     • text: string
     • irony: int8
     • sarcasm: int8
     • topic: string
   • 分割:
     • 训练集: 3977 样本
     • 测试集: 872 样本
   • 数据文件:
     • 训练集: ironita/train.tsv
     • 测试集: ironita/test.tsv

3. 配置名称: sentipolc

   • 特征:
     • twitterid: string
     • text: string
     • subj: int8
     • opos: int8
     • oneg: int8
     • iro: int8
     • lpos: int8
     • lneg: int8
     • top: int8
   • 分割:
     • 训练集: 7410 样本
     • 测试集: 2000 样本
   • 数据文件:
     • 训练集: sentipolc/train.tsv
     • 测试集: sentipolc/test.tsv