多域情绪分析数据集

多域情感数据集包含来自Amazon.com的许多产品类型（域）的产品评论。某些域（书籍和DVD）具有数十万条评论。其他（乐器）只有几百个。评论包含星级（1到5颗星），可以根据需要将其转换为二进制标签。此页面包含有关数据的一些描述。

有关数据集的一些注意事项。

1）unprocessed.tar.gz包含原始数据。 2）processing.acl.tar.gz包含经过预处理和平衡的数据。也就是说，Blitzer等人的格式。（ACL 2007） 3）已处理.realvalued.tar.gz包含经过预处理和平衡的数据，但是具有星数，而不仅仅是正数或负数。也就是说，Mansour等人的格式。（NIPS 2009）

预处理的数据是每个文档一行，格式为：

feature：<count> .... feature：<count> #label＃：<label>

标签始终位于每个文档 的末尾线。

4）每个目录对应一个域。每个目录包含几个文件，我们将简要描述它们： all.review-该域的所有评论，以其原始格式 positive.review-正面评论 负面.review- 负面评论 unlabeled.review-已 处理未标记评论.review -预处理评论（见下文） 已处理评论平衡-预处理评论，在正面和负面之间均等地平衡。

5）虽然正面和负面文件包含正面和负面评论，但不一定是任何引用的论文中使用的拆分。它们只是尽可能地存在初始分裂。

6）每个（未处理的）文件都包含用于对评论进行编码的伪XML方案。大多数字段是不言自明的。评论具有唯一的ID字段，该字段不是非常唯一。如果它具有两个唯一的id字段，请忽略仅包含一个数字的字段。