LIAAD - INESC TEC 发布 NaijaSenti 数据集, 应用在 情感分析、非洲语言处理 领域

LIAAD - INESC TEC 本次发布的数据集 NaijaSenti, NaijaSenti是首个针对尼日利亚最广泛使用的四种语言（豪萨语、伊博语、尼日利亚皮钦语和约鲁巴语）的大型人工标注Twitter情感数据集。该数据集包含每种语言约30,000条标注推文，总计约120,000条，其中显著包含混合语言的推文。数据集的创建涉及文本收集、过滤、处理和标注方法，特别适用于这些资源较少的语言。NaijaSenti不仅用于情感分析研究，还支持其他下游NLP任务，如语言模型和机器翻译，旨在解决非洲语言在数字技术中的代表性不足问题。

查看NaijaSenti

README 内容： 

关于 LIAAD - INESC TEC , LIAAD - INESC TEC 是葡萄牙的一个研究机构，专注于信息技术、人工智能和数据科学领域的研究与开发。

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。