|
--- |
|
language: |
|
- fr |
|
license: |
|
- mit |
|
size_categories: |
|
- 1M<n<10M |
|
task_categories: |
|
- text-classification |
|
tags: |
|
- binary-sentiment-analysis |
|
- DFP |
|
- french prompts |
|
annotations_creators: |
|
- found |
|
language_creators: |
|
- found |
|
multilinguality: |
|
- monolingual |
|
source_datasets: |
|
- allocine |
|
--- |
|
|
|
# allocine_fr_prompt_sentiment_analysis |
|
## Summary |
|
|
|
**allocine_fr_prompt_sentiment_analysis** is a subset of the [**Dataset of French Prompts (DFP)**](https://huggingface.co/datasets/CATIE-AQ/DFP). |
|
It contains **5,600,000** rows that can be used for a binary sentiment analysis task. |
|
The original data (without prompts) comes from the dataset [allocine](https://huggingface.co/datasets/allocine) by Blard. |
|
A list of prompts (see below) was then applied in order to build the input and target columns and thus obtain the same format as the [xP3](https://huggingface.co/datasets/bigscience/xP3) dataset by Muennighoff et al. |
|
|
|
|
|
## Prompts used |
|
### List |
|
28 prompts were created for this dataset. The logic applied consists in proposing prompts in the indicative tense, in the form of tutoiement and in the form of vouvoiement. |
|
|
|
``` |
|
'Commentaire : "'+review+'" Le commentaire est-il positif ou négatif ?', |
|
"""Avis : " """+review+""" " L'avis est-il positif ou négatif ?""", |
|
'Critique : "'+review+'" La critique est-elle positive ou négative ?', |
|
"""Evaluation : " """+review+""" " L'évaluation est-elle positive ou négative ?""", |
|
'Ce commentaire sur le produit est-il positif ou négatif ? \nCommentaire : "'+review+'"\nRéponse :', |
|
'Cet avis sur le produit est-il positif ou négatif ? \nAvis : "'+review+'"\nRéponse :', |
|
'Cette critique sur le produit est-elle positive ou négative ? \nCritique : "'+review+'"\nRéponse :', |
|
'Cette évaluation sur le produit est-elle positive ou négative ? \nEvaluation : "'+review+'"\nRéponse :', |
|
'Commentaire : "'+review+'"\n Ce commentaire sur le produit exprime-t-il un sentiment négatif ou positif ?', |
|
'Avis : "'+review+'"\n Cet avis sur le produit exprime-t-il un sentiment négatif ou positif ?', |
|
'Critique : "'+review+'"\n Cette critique sur le produit exprime-t-il un sentiment négatif ou positif ?', |
|
'Evaluation : "'+review+'"\n Cette évaluation sur le produit exprime-t-il un sentiment négatif ou positif ?', |
|
'Ce commentaire sur le produit a-t-il un ton négatif ou positif ? \n Commentaire : "'+review+'"\n Réponse :', |
|
'Cet avis sur le produit a-t-il un ton négatif ou positif ? \n Avis : "'+review+'"\n Réponse :', |
|
'Cette critique sur le produit a-t-il un ton négatif ou positif ? \n Evaluation : "'+review+'"\n Réponse :', |
|
'Cette évaluation sur le produit a-t-il un ton négatif ou positif ? \n Avis : "'+review+'"\n Réponse :', |
|
"""Voici un commentaire laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? \nCommentaire : """+review, |
|
"""Voici un avis laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? \nAvis : """+review, |
|
"""Voici une critique laissée par un client sur un produit. Diriez-vous qu'elle est négative ou positive ? \nCritique : """+review, |
|
"""Voici une évaluation laissée par un client sur un produit. Diriez-vous qu'elle est négative ou positive ? \nEvaluation : """+review, |
|
'Commentaire du produit : "'+review+'" Ce commentaire dépeint le produit sous un angle négatif ou positif ?', |
|
'Avis du produit : "'+review+'" Cet avis dépeint le produit sous un angle négatif ou positif ?', |
|
'Critique du produit : "'+review+'" Cette critique dépeint le produit sous un angle négatif ou positif ?', |
|
'Evaluation du produit : "'+review+'" Cette évaluation dépeint le produit sous un angle négatif ou positif ?', |
|
'Le commentaire suivant exprime quel sentiment ?\n Commentaire' +review, |
|
"""L'avis suivant exprime quel sentiment ?\n Avis""" +review, |
|
'La critique suivante exprime quel sentiment ?\n Critique' +review, |
|
"""L'évaluation suivante exprime quel sentiment ?\n Evaluation""" +review |
|
``` |
|
|
|
### Features used in the prompts |
|
In the prompt list above, `review` and `targets` have been constructed from: |
|
``` |
|
allocine = load_dataset('allocine') |
|
review = allocine['train'][i]['review'] |
|
targets = str(allocine['train'][i]['label']).replace("0", "neg").replace("1","pos") |
|
``` |
|
|
|
|
|
|
|
# Splits |
|
- `train` with 4,480,000 samples |
|
- `valid` with 560,000 samples |
|
- `test` with 560,000 samples |
|
|
|
|
|
# How to use? |
|
``` |
|
from datasets import load_dataset |
|
dataset = load_dataset("CATIE-AQ/allocine_fr_prompt_sentiment_analysis") |
|
``` |
|
|
|
# Citation |
|
## Original data |
|
> Théophile Blard, French sentiment analysis with BERT, (2020), GitHub repository, https://github.com/TheophileBlard/french-sentiment-analysis-with-bert |
|
|
|
|
|
## This Dataset |
|
> @misc {centre_aquitain_des_technologies_de_l'information_et_electroniques_2023, |
|
author = { {Centre Aquitain des Technologies de l'Information et Electroniques} }, |
|
title = { DFP (Revision 1d24c09) }, |
|
year = 2023, |
|
url = { https://huggingface.co/datasets/CATIE-AQ/DFP }, |
|
doi = { 10.57967/hf/1200 }, |
|
publisher = { Hugging Face } |
|
} |
|
|
|
|
|
|
|
## License |
|
MIT |
