KazSAnDRA: 哈萨克评论与态度情感分析数据集

LABR 数据集是最大的阿拉伯语情感分析数据集，包含超过 63,000 本书的评论，适用于情感倾向和评分分类任务。

孟加拉语电子书评论数据集的研究表明，预训练模型在性能上优于手工特征模型，并提供了分类错误的见解。

波斯语数据集 Pars-ABSA 经过母语者验证，基于深度学习的情感分析方法表现优异。

乌兹别克语餐厅评论数据集的实验结果显示，经过预处理后，最佳模型的精度达到 91%。

乌尔都语数据集通过用户评价构建，使用多种算法进行测试，Flair 的准确率为 70%。

PerSenT 数据集提供段落级别的情感注释，表明文档级表示微调不足以解决分类任务的困难。

克罗地亚新闻领域的句子级情感数据集增加了 14500 个带标签的句子，提供了基线分数和一致性分析。

中国餐厅评论数据集包含 46,730 条评论，提出的联合模型在情感分析和评论评级预测中优于基线模型。

新的 TSA 评估数据集 YASO 包含 2,215 个有标注情感倾向的英语句子，旨在反映多领域评论网站的表现。