In-house dataset 发布 TweetEmoji-EN 数据集, 应用在 社交媒体分析、自然语言处理 领域

In-house dataset 本次发布的数据集 TweetEmoji-EN, 该数据集包含了从推特上收集的英文推文，每条推文至少包含一个表情符号，这些表情符号被用作社会语用学任务的代理标签。数据集分为训练集和验证集，其中训练集包含3100万条推文，验证集包含100万条推文。此外，数据集还包含了三种额外语言（阿拉伯语、意大利语和西班牙语）的数据，并探讨了标签的使用效用。该数据集的规模为3200万条推文，包含1067个独特的表情符号。相关任务包括情感识别、仇恨言论检测、幽默识别、讽刺检测等社会语用学任务。

查看TweetEmoji-EN

README 内容： 

关于 In-house dataset , -

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。