README.md

---
language:
  - zh
license: mit
pretty_name: Chinese Emotion Dataset
task_categories:
  - text-classification
task_ids:
  - sentiment-classification
  - multi-class-classification
size_categories:
  - 10K<n<100K
tags:
  - emotion
  - sentiment-analysis
  - chinese
  - text
  - datasets
annotations_creators:
  - machine-generated
language_creators:
  - machine-generated
source_datasets:
  - dair-ai/emotion
dataset_info:
  features:
    - name: text
      dtype: string
    - name: label
      dtype: int64
    - name: label_name
      dtype: string
    - name: label_cn
      dtype: string
  splits:
    - name: train
      num_examples: 16000
    - name: validation
      num_examples: 2000
    - name: test
      num_examples: 2000
---

# 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](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](https://huggingface.co/TIX007)