更新readme

README.md

@@ -1,115 +1,129 @@
+---
+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（Chinese Emotion Dataset）
+# 中文情感数据集卡片
 
-构建中文情感数据集，包含日常生活场景下的中文短文本情感标注。
+## 数据集详情
 
----
+### 数据集简介
 
-## 概述
+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。
 
-| 属性 | 详情 |
-|------|------|
-| 语言 | 中文（简体） |
-| 任务类型 | 文本分类（情感识别） |
-| 标签数量 | 6 种基本情感 |
-| 总样本数 | 20,000 条 |
-| 许可证 | MIT |
+- **策划者：** TIX007
+- **语言：** 中文（简体） / zh
+- **许可证：** MIT
 
----
+### 数据来源
 
-## 数据规模
+- **仓库：** [https://huggingface.co/datasets/TIX007/chinese-sentiment](https://huggingface.co/datasets/TIX007/chinese-sentiment)
 
-| 划分 | 样本数 |
-|------|--------|
-| 训练集 (train) | 16,000 |
-| 验证集 (validation) | 2,000 |
-| 测试集 (test) | 2,000 |
-| **合计** | **20,000** |
+## 使用方式
 
----
+### Direct Use
 
-## 情感标签
+- 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
 
-| 标签 ID | 英文名 | 中文名 | 训练集占比 |
-|--------|--------|--------|-----------|
-| 0 | sadness | 悲伤 | 20% |
-| 1 | joy | 快乐 | 25% |
-| 2 | love | 爱 | 10% |
-| 3 | anger | 愤怒 | 12.5% |
-| 4 | fear | 恐惧 | 15% |
-| 5 | surprise | 惊讶 | 17.5% |
+### 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
 
-## 数据格式
+## 数据集结构
 
-### 字段说明
+### 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` | 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 |
 
-### 示例数据
+### 数据划分
 
-```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"}
-```
+| 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 |
 
-## 文件结构
+### 数据文件
 
 ```
 data/
-├── train.csv        # 训练集（CSV格式）
-├── train.jsonl      # 训练集（JSONL格式，每行一条）
-├── train.json       # 训练集（JSON数组格式）
-├── validation.csv   # 验证集（CSV格式）
-├── validation.jsonl # 验证集（JSONL格式）
-├── validation.json  # 验证集（JSON数组格式）
-├── test.csv         # 测试集（CSV格式）
-├── test.jsonl       # 测试集（JSONL格式）
-└── test.json        # 测试集（JSON数组格式）
+├── train.csv / train.jsonl / train.json
+├── validation.csv / validation.jsonl / validation.json
+└── test.csv / test.jsonl / test.json
 ```
 
----
-
-## 数据加载示例
-
-### Python（直接读取）
-
-```python
-import json
-
-# 读取训练集（JSONL格式）
-train_data = []
-with open("data/train.jsonl", "r", encoding="utf-8") as f:
-    for line in f:
-        train_data.append(json.loads(line))
-
-print(train_data[0])
-# {'text': '...', 'label': 1, 'label_name': 'joy', 'label_cn': '快乐'}
-```
-
-### Pandas
-
-```python
-import pandas as pd
+### 示例数据
 
-train_df = pd.read_csv("data/train.csv", encoding="utf-8-sig")
-print(train_df.head())
-print(train_df["label_cn"].value_counts())
+```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"}
 ```
 
-### Hugging Face datasets（自定义加载）
+### 数据加载方式
 
 ```python
 from datasets import load_dataset
@@ -125,28 +139,52 @@ dataset = load_dataset(
 print(dataset)
 ```
 
----
+## 数据集创建
 
-## 数据生成方式
+### 策划说明
 
-- 为每种情感类别人工编写 **100 条以上** 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（今天、昨天、刚才…）和语气后缀进行**多样化扩增**
-- 使用固定随机种子（`seed=42`）保证**可复现性**
-- 数据分布参照 dair-ai/emotion 原始比例设计
+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
 
-## 局限性
+- 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
-- 适合作为**预训练微调**或**快速验证**，不建议直接用于商业生产
-- 类别分布不均衡，训练时建议使用加权损失函数
+- 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
 
-## 引用
+- 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
 
-若本数据集对您有帮助，欢迎参考以下格式引用本数据集；如需引用相关原始情感识别工作，可同时参考后续文献：
+## 引用
 
 ```bibtex
 @misc{chinese-emotion-dataset-2026,
@@ -158,7 +196,10 @@ print(dataset)
 }
 ```
 
-## 相关数据集
+## 数据集卡作者
+
+TIX007
 
-- **[dair-ai/emotion](https://huggingface.co/datasets/dair-ai/emotion)**: 原始英文情感数据集，本数据集参照其格式和标签设计构建。
+## 数据集卡联系人
 
+[TIX007](https://huggingface.co/TIX007)