Upload folder using huggingface_hub

README.md

@@ -1,3 +1,156 @@
 ---
-license: cc-by-4.0
----
+    language:
+    - zh
+    license: cc-by-4.0
+    task_categories:
+    - text-classification
+    - multi-label-classification
+    task_ids:
+    - multi-label-text-classification
+    - poetry-analysis
+    pretty_name: CCPD - Classical Chinese Poetry Dataset
+    size_categories:
+    - 1K<n<10K
+    dataset_info:
+    features:
+    - name: text
+        dtype: string
+        description: 诗歌正文内容
+    - name: title  
+        dtype: string
+        description: 诗歌标题
+    - name: theme_labels
+        sequence: string
+        description: 主题标签列表（如思乡、怀人等）
+    - name: emotion_labels
+        sequence: string
+        description: 情感标签列表（如愁绪、哀伤等）
+    config_name: ccpd
+    version: 1.0.0
+    splits:
+    - name: train
+        num_bytes: 0
+        num_examples: 17103
+    ---
+
+    # CCPD - 古典中文诗歌多标签分类数据集
+
+    ## 数据集描述
+
+    CCPD (Classical Chinese Poetry Dataset) 是一个包含多标签标注的古典中文诗歌数据集，专门用于诗歌主题和情感的多标签分类研究。
+
+    ## 数据集详情
+
+    ### 基本信息
+    - **诗歌数量**: 17103 首
+    - **主题标签数量**: 10 个
+    - **情感标签数量**: 13 个
+    - **数据划分**: 全部作为训练集
+
+    ### 数据格式说明
+
+    原始数据格式为：`主题标签#主题标签,情感标签#情感标签,标题,正文`
+
+    处理后的数据格式如下：
+    python
+    {
+    "text": "诗歌正文",
+    "title": "诗歌标题",
+    "theme_labels": ["主题1", "主题2"], # 主题标签列表
+    "emotion_labels": ["情感1", "情感2"] # 情感标签列表
+    }
+    ### 标签统计
+
+    **前10个最常见主题标签**:
+    - 思乡: 9010次
+- 怀人: 2263次
+- 田园: 1213次
+- 战争: 1139次
+- 山水: 1071次
+- 怀古: 689次
+- 闺怨: 650次
+- 悼亡: 576次
+- 咏物: 566次
+- 送别: 314次
+
+    **前10个最常见情感标签**:
+    - 想家: 12327次
+- 哀伤: 3645次
+- 愁绪: 3548次
+- 孤独: 1646次
+- 失意: 1576次
+- 思念: 1468次
+- 流泪: 953次
+- 恐惧: 933次
+- 怨恨: 682次
+- 喜悦: 522次
+
+    ## 使用示例
+
+    ### 加载数据集
+
+    python
+    from datasets import load_dataset
+    dataset = load_dataset("PoetryMTEB/CCPD")
+    print(f"数据集大小: {len(dataset['train'])}")
+    print(dataset['train'][0])
+
+    ### 多标签分类任务
+    python
+    from sklearn.model_selection import train_test_split
+    import pandas as pd
+    转换为DataFrame
+    df = pd.DataFrame(dataset['train'])
+    合并所有标签
+    df['all_labels'] = df['theme_labels'] + df['emotion_labels']
+    划分数据集
+    train_df, test_df = train_test_split(df, test_size=0.2, random_state=42)
+    train_df, val_df = train_test_split(train_df, test_size=0.1, random_state=42)
+    print(f"训练集: {len(train_df)}, 验证集: {len(val_df)}, 测试集: {len(test_df)}")
+    ### 分别处理主题和情感分类
+    python
+    主题分类
+    def prepare_theme_classification(example):
+    return {
+    "text": example["text"],
+    "labels": example["theme_labels"]
+    }
+    情感分类
+    def prepare_emotion_classification(example):
+    return {
+    "text": example["text"],
+    "labels": example["emotion_labels"]
+    }
+    合并分类
+    def prepare_combined_classification(example):
+    return {
+    "text": example["text"],
+    "labels": example["theme_labels"] + example["emotion_labels"]
+    }
+
+    ## 任务应用
+
+    本数据集适用于以下NLP任务：
+
+    1. **多标签文本分类**
+    2. **诗歌主题分析**
+    3. **情感分析** 
+    4. **古典文学研究**
+    5. **跨任务迁移学习**
+
+    ## 数据划分建议
+
+    由于数据集全部作为训练集，建议使用者根据研究需求自行划分：
+
+    - **传统划分**: 70%训练，15%验证，15%测试
+    - **交叉验证**: 使用K折交叉验证
+    - **留出法**: 保留部分数据作为测试集
+
+    ## 引用信息
+
+    如果您使用本数据集，请引用相关来源。
+
+    ## 免责声明
+
+    本数据集仅用于学术研究目的。
+    

data/train-00000-of-00001.parquet

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:fe810874df66f87dc89d6a723eeee43af96b11e3d36e31869b2e9fbdb5400565
+size 3081983

dataset_metadata.json

@@ -0,0 +1,21 @@
+{
+  "title": "CCPD - Classical Chinese Poetry Dataset",
+  "id": "ccpd-chinese-poetry",
+  "description": "A multi-label classical Chinese poetry dataset with theme and emotion annotations",
+  "language": [
+    "zh"
+  ],
+  "license": "cc-by-4.0",
+  "tags": [
+    "text-classification",
+    "multi-label-classification",
+    "poetry",
+    "chinese"
+  ],
+  "creators": [
+    {
+      "name": "CCPD Team"
+    }
+  ],
+  "date_created": "2024-01-01"
+}