info.md

数据集统计信息

概览

• 总样本数: 240,426 条
• 训练集: 186,619 (77.62%)
• 验证集: 31,086 (12.93%)
• 测试集: 22,721 (9.45%)
• 情感类别: 7种（neutral + 6种Ekman基本情感）
• 数据源: 7个（Movies_Reviews, dailydialog, goemotions, isear, meld, mteb_emotion, tweetemotions）

数据集列表

合并数据集（按子集）

子集	样本数	占比	文件名
训练集	186,619	77.62%	train.csv
验证集	31,086	12.93%	val.csv
测试集	22,721	9.45%	test.csv
总计	240,426	100%

情感分布

训练集情感分布 (186,619条)

情感	样本数	占比
neutral	95,392	51.12%
joy	40,380	21.64%
sadness	14,886	7.98%
anger	11,142	5.97%
fear	11,011	5.90%
surprise	9,528	5.11%
disgust	4,280	2.29%

验证集情感分布 (31,086条)

情感	样本数	占比
neutral	12,734	40.96%
joy	7,509	24.15%
sadness	2,915	9.38%
fear	2,506	8.06%
anger	2,329	7.49%
surprise	2,196	7.06%
disgust	897	2.89%

测试集情感分布 (22,721条)

情感	样本数	占比
neutral	10,249	45.11%
joy	5,198	22.88%
sadness	2,074	9.13%
anger	1,729	7.61%
fear	1,516	6.67%
surprise	1,348	5.93%
disgust	607	2.67%

整体情感分布 (240,426条)

情感	样本数	占比
neutral	118,375	49.24%
joy	53,087	22.08%
sadness	19,875	8.27%
anger	15,200	6.32%
fear	15,033	6.25%
surprise	13,072	5.44%
disgust	5,784	2.41%

数据源分布

训练集数据源分布

数据源	样本数	占比
dailydialog	87,170	46.71%
goemotions	41,251	22.10%
tweetemotions	21,763	11.66%
mteb_emotion	15,956	8.55%
meld	9,989	5.35%
Movies_Reviews	6,725	3.60%
isear	3,765	2.02%

验证集数据源分布

数据源	样本数	占比
goemotions	11,786	37.91%
dailydialog	8,069	25.95%
tweetemotions	6,218	20.00%
mteb_emotion	1,988	6.39%
meld	1,109	3.57%
isear	1,076	3.46%
Movies_Reviews	840	2.70%

测试集数据源分布

数据源	样本数	占比
dailydialog	7,740	34.06%
goemotions	5,893	25.94%
tweetemotions	3,110	13.69%
meld	2,610	11.49%
mteb_emotion	1,986	8.74%
Movies_Reviews	842	3.71%
isear	540	2.38%

数据源信息

Movies_Reviews

• 特点: 电影评论情感数据
• 覆盖: 包含7种情感类别

DailyDialog

• 特点: 真实对话数据，包含多轮对话
• 覆盖: 包含7种情感类别

GoEmotions

• 特点: Reddit评论数据，口语化表达
• 覆盖: 包含7种情感类别

ISEAR

• 特点: 国际情感研究数据，高质量文本
• 覆盖: 包含7种情感类别

MELD

• 特点: 多模态情感对话数据，来自电视剧《老友记》
• 覆盖: 包含7种情感类别

mteb_emotion

• 特点: 情感分析数据集，包含多种情感表达
• 覆盖: 包含7种情感类别

Tweet Emotions

• 特点: Twitter推文数据，包含@mentions
• 覆盖: 包含7种情感类别

数据质量说明

1. 类别不平衡: neutral占主导（约40-51%），disgust样本最少（约2-3%）
2. 多源数据融合: 7个数据源的文本已合并，每个样本包含source字段标识来源
3. 情感类别: 统一使用7种Ekman情感类别，确保标签一致性
4. 数据分割: 按7:2:1比例分割为训练集、验证集和测试集
5. 缺失值: 已过滤所有缺失值，训练集、验证集和测试集均无缺失值

情感类别定义

• neutral: 中性，无情感倾向
• joy: 快乐，愉悦
• sadness: 悲伤，难过
• anger: 愤怒，生气
• fear: 恐惧，害怕
• surprise: 惊讶，意外
• disgust: 厌恶，反感

使用建议

1. 类别不平衡处理: 建议使用类别权重或过采样/欠采样技术处理类别不平衡问题
2. 数据增强: 对于样本较少的类别（如disgust），可以考虑数据增强技术
3. 多源数据融合: 不同数据源的文本风格差异较大，建议在训练时注意数据分布
4. 评估指标: 由于类别不平衡，建议使用F1-score、precision、recall等指标，而非仅使用准确率
5. 缺失值处理: 训练前建议处理数据中的缺失值

文件结构

dataset_huggingface_enhance/
├── train.csv              # 合并后的训练集（186,619条）
├── val.csv                # 合并后的验证集（31,086条）
├── test.csv               # 合并后的测试集（22,721条）
├── label_list.txt         # 情感标签列表
├── info.md                # 数据集统计信息
├── README.md              # 数据集说明文档
├── stats.py               # 数据集统计脚本
└── dataset_infos.json     # Hugging Face数据集配置

数据格式

所有CSV文件包含以下列：

• text: 文本内容
• label_text: 情感标签（neutral/joy/sadness/anger/fear/surprise/disgust）
• source: 数据来源（如goemotions、dailydialog等）

---

生成时间: 2026-01-07 数据版本: v2 数据源: 7个Ekman情感数据集合并