地球资源数据云——数据资源详情

推特 SpaceX

该数据集《Twitter Spacex》主要用于多分类任务，数据形态以文本为主，应用场景偏向文本内容分析。 题目说明：Sentiment analysis NLP 任务类型：文本多分类。 建议流程：先做文本清洗与分词，再比较 TF - IDF+线性模型 与 预训练语言模型。 评估建议：使用分层切分或交叉验证，优先关注 F1、Recall、AUC 等分类指标。 可用文件：dataset_spacex.csv。 关于此数据集此数据集是使用 Twitter API 收集的，重点关注与特定主题或关键字相关的推文。它包括情感分析功能，可以深入了解每条推文的主观性质和情感极性。该数据集可用于情感分析、主题建模和社交媒体趋势分析。数据集文件： - tweets_data.csv：此文件包含收集的所有推文，以及情绪分析分数和其他元数据。 ### 列描述符： - Id： - 描述：数据集中每条推文的唯一数字标识符。 - 类型：整数 - 示例：123456789 - 文本： - 描述：推文的全文内容。每条推文不得超过 280 个字符。 - 类型：字符串 - 示例：“很高兴看到可再生能源的未来！#Sustainability #GreenEnergy” - 主观性： - 描述：0 到 1 之间的浮点分数，表示推文的主观程度。 0 分表示该推文完全客观（基于事实），而 1 分表示该推文完全主观（基于观点）。 - 类型：浮点数 - 范围：0（完全客观）到 1（完全主观） - 示例：0.75 - 极性： - 描述： - 1 到 1 之间的浮点分数，反映推文的情绪。 - 1 代表负面情绪，0 代表中性情绪，1 代表正面情绪。 - 类型：浮点数 - 范围： - 1（负）到 1（正） - 示例：0.5 - 目标： - 描述：推文正在讨论或引用的特定实体、关键字或主题。 - 类型：字符串 - 示例：“可再生能源” 出处：数据是使用官方 Twitter API 收集的。使用特定的关键字和主题标签来过滤选定时间段内的相关推文。数据收集完毕后，进行情感分析