Datasetpublic

wickedlin/chinese-sentiment

中文情感数据集卡片数据集详情数据集简介中文情感数据集，包含日常生活场景下的中文短文本情感标注。包含 6 种基本情感类别，共 20,000 条样本。策划者： TIX007 语言：中文（简体） / zh 许可证： MIT 数据来源仓库： https://huggingface.co/datasets/TIX007/chinese-sentiment 使用方式 Direct Use 中文情感分类模型的训练与评估文本情感分析（sentiment analysis）研究作为预训练语言模型微调的数据集快速验证中文 NLP 模型的情感识别能力 Out-of-Scope Use 不建议直接用于商业生产环境（文本来源于模板扩增，缺乏真实社交媒体多样性）不适用于细粒度情感分析（如情感强度打分）不适用于对话情感分析或上下文依赖的情感理解… See the full description on the dataset page: https://huggingface.co/datasets/wickedlin/chinese-sentiment.

sourceHugging Facemitupdated 15d agoView on Hugging Face

0likes97downloads

Dataset Card

中文情感数据集卡片

数据集详情

数据集简介

中文情感数据集，包含日常生活场景下的中文短文本情感标注。包含 6 种基本情感类别，共 20,000 条样本。

—策划者： TIX007
—语言： 中文（简体） / zh
—许可证： MIT

数据来源

—仓库： https://huggingface.co/datasets/TIX007/chinese-sentiment

使用方式

Direct Use

—中文情感分类模型的训练与评估
—文本情感分析（sentiment analysis）研究
—作为预训练语言模型微调的数据集
—快速验证中文 NLP 模型的情感识别能力

Out-of-Scope Use

—不建议直接用于商业生产环境（文本来源于模板扩增，缺乏真实社交媒体多样性）
—不适用于细粒度情感分析（如情感强度打分）
—不适用于对话情感分析或上下文依赖的情感理解

数据集结构

数据字段

字段名	类型	说明
`text`	string	中文短文本
`label`	int (0-5)	情感类别编号
`label_name`	string	英文情感标签名
`label_cn`	string	中文情感标签名

数据划分

划分	样本数
train	16,000
validation	2,000
test	2,000
合计	20,000

标签信息

标签 ID	英文名	中文名
0	sadness	悲伤
1	joy	快乐
2	love	爱
3	anger	愤怒
4	fear	恐惧
5	surprise	惊讶

数据文件

data/
├── train.csv / train.jsonl / train.json
├── validation.csv / validation.jsonl / validation.json
└── test.csv / test.jsonl / test.json

示例数据

json

{"text": "今天的心情好极了，整个人都充满了活力", "label": 1, "label_name": "joy", "label_cn": "快乐"}
{"text": "眼泪悄悄滑落，却没有人在身旁安慰", "label": 0, "label_name": "sadness", "label_cn": "悲伤"}
{"text": "每次看到你，我的心就变得很柔软", "label": 2, "label_name": "love", "label_cn": "爱"}
{"text": "简直无法理解这种行为，太令人气愤了", "label": 3, "label_name": "anger", "label_cn": "愤怒"}
{"text": "一想到那种情景，就浑身发抖", "label": 4, "label_name": "fear", "label_cn": "恐惧"}
{"text": "这个消息真的把我惊呆了，半天没回过神来", "label": 5, "label_name": "surprise", "label_cn": "惊讶"}

数据加载方式

python

from datasets import load_dataset

dataset = load_dataset(
    "csv",
    data_files={
        "train": "data/train.csv",
        "validation": "data/validation.csv",
        "test": "data/test.csv",
    }
)
print(dataset)

数据集创建

策划说明

构建一个覆盖日常场景的中文情感分类数据集，用于中文 NLP 模型的情感识别任务训练与评估。

源数据

数据收集与处理

—为每种情感类别人工编写 100+ 条代表性模板句子，覆盖日常生活、社交、情感表达等场景
—通过添加时间状语前缀和语气后缀进行多样化扩增
—使用同义词替换、句式变换等方法增加文本多样性
—使用固定随机种子（seed=42）保证可复现性

源数据生产者

由人工编写的模板句子，经程序化扩增生成。

标注信息

标注过程

标签由模板句子所属的情感类别自动确定，无需额外人工标注。

标注者

机器生成（machine-generated），基于预定义的情感类别模板。

个人与敏感信息

数据集不包含任何个人信息或敏感内容。所有文本均为通用场景描述。

偏差、风险与局限性

—文本来源于模板扩增，风格较为统一，缺乏真实社交媒体的多样性
—类别分布不完全均衡，训练时建议使用加权损失函数
—情感标签为粗粒度分类，无法表达混合情感或情感强度

建议

—适合作为预训练微调或快速验证使用
—如需更高真实度，建议与真实社交媒体数据混合训练
—生产环境使用前建议在真实数据上进行额外评估

引用

bibtex

@misc{chinese-emotion-dataset-2026,
  title = {Chinese Emotion Dataset},
  author = {TIX007},
  howpublished = {\url{https://huggingface.co/datasets/TIX007/chinese-sentiment}},
  note = {中文日常短文本情感分类数据集，MIT 许可证},
  year = {2026},
}

数据集卡作者

TIX007

数据集卡联系人

TIX007