IMDB依存树情感分析数据集

IMDB依存树情感分析数据集

---

树形情感分析和数据集

　　最近在做树形情感分析的任务，查阅了几篇论文，都是利用依存树来进行情感分析。但是现成的树形情感分析数据集Stanford treebank数据集是子句/短语结构树格式的，一些依存树情感分析的方法在字句/短语结构树上效果很差，又没有现成的依存树情感分析数据集，所以我决定利用Stanford dependency parser工具造一个依存树情感分析数据集。

---

数据/工具来源

• BFSU (Stanford Parser 1.0, based on Stanford Parser 2010)
  　　配置Stanford Parser可以查阅网上的相关博客，但是我配置一直失败，所以我干脆在优快云上下载了别人写的GUI，用起来挺方便的。
  　　
• IMDB数据集
  　　IMDB训练集/测试集25000/25000条，每条包括文本和评分标签(1-10，评分大于5为pos，否则为neg)，我不准备使用无监督数据集。
  　　数据集一开始是分散在不同文件中的，用merge_sentences.py脚本把它们合并起来。

---

depenency tree parsing

　　因为数据集过大，所以不能直接整个文件去解析，所以用split_sentences.py脚本分割数据集为2500个文件，每个文件20个句子。

　　因为一个句子里面有多个