SemEval 情感分析主流数据集以及任务介绍

SemEval 的发展：

SemEval 数据集完成基本任务是推特的情感分析（Sentiment Analysis in Twitter）。对于推特的文本情感分析基于SemEval 数据集始于2013年，之后任务和数据都在不断发展为更复杂。在13年到15年，任务是简单给一个推特文本，然后进行文本情感分类，分为3类（积极、消极、中立），称为任务A；

于2015年，在任务和任务中引入了Topic的概念，任务升级为给一个推特，并给一个topic；推断推特内容关于这个topic的情感倾向，积极或消极（任务B）；

于2016年，引入了两个分支，一是加入了tweet quantification，也就是推特的量化分析；二是five-point ordinal classification
，也就是之前是推特的三分类，16年拓展为五分类（STRONGLYPOSITIVE, WEAKLYPOSITIVE, NEUTRAL, WEAKLYNEGATIVE, and STRONGLYNEGATIVE）。

于2017年，新增了阿拉伯，在此之前只有英语。由于阿拉伯语在Twitter的丰富的形态和丰富的方言使用，使得阿拉伯语在文本情感分析增加难度挑战。

 

最新2017任务：

SemEval-2017任务4由五个子任务组成， 每个都提供阿拉伯语和英语：

1.Subtask A:

分析一个推特的情感，可以分为积极、消极、中立

2.Subtask B:

给一个推特，并给一个topic；推断推特内容关于这个topic的情感倾向，积极或消极。

3.Subtask C:

在B任务的基础上，更加精细地分类，分为非常积极、弱倾向积极、中立、弱倾向于消极、非常消极（五个程度）

4.Subtask D:

关于一个topic，给出一组的推特，估计这些推特在积极和消极的分布

5.Subtask E:

          关于一个topic，给出一组的推 特，估计这些推特在五个情感程度的分布。