在線新聞評論分析數據集——SOCC

SOCC 是一個用於分析在線新聞評論的語料庫，該語料庫里包含了大量的新聞及相關的新聞評論。庫中搜集的文章都是評論文章，不是純的新聞資訊，它比當前任何可用的新聞評論語料庫都大，並且保留了評論回答的結構和其他的元數據。除了原始的預料庫，SOCC 還提供了四種標註形式：有建設性的、惡意的、否定的和評估的語料。

原始數據

該庫包含 10339 條評論文章，加拿大日報英文版 303665 條評論主題的 663173 條評論，時間跨度從 2012 年的 1 月到 2016 年的 12 月。我們將語料庫分成三個子語料庫：文章語料庫，評論語料庫和評論線索語料庫，分為三個 CSV 文件：gnm_articles.csv，gnm_comments.csv和gnm_comment_threads.csv。

注釋語料庫

注釋語料庫儲存的是建設性的和惡意的語料，該庫為一個 CSV 文件，其中包含 1,043 條注釋評論，涉及科技、移民、恐怖主義、社會問題、宗教等多個領域的 10 篇文章。我們用 CrowdFlower 作為眾包注釋平台注釋了建設性的評論，我們要求標註者先閱讀文章，然後告訴我們顯示的評論是否有建設性。

SFU 否定語料庫

否定注釋用 WebAnno 來執行，您可以在的 GitHub 頁面（https://github.com/sfu-discourse-lab/WebAnno）上看到 WebAnno 伺服器安裝說明。指南目錄包含注釋指南的完整描述，注釋可以從 WebAnno 的 .tsv 文件中作為項目使用。 這些文件是使用 WebAnno v.3 格式導出的。

SFU評估語料庫

評估注釋同樣使用 WebAnno 來執行，結構與否定語料庫的結構相同，但 .tsv文件略有不同。 指南目錄中提供了評估注釋指南。

論文：

The SFU Opinion and Comments Corpus: A corpus for the analysis of online news comments

http://www.sfu.ca/~mtaboada/docs/publications/Kolhatkar_etal_SOCC.pdf

Using New York Times Picks to identify constructive comments.

https://aclanthology.info/pdf/W/W17/W17-4218.pdf

Proceedings of the Workshop Natural Language Processing Meets Journalism

http://nlpj2017.fbk.eu/

Constructive language in news comments.

http://aclweb.org/anthology/W17-3002

Proceedings of the 1st Abusive Language Online Workshop

https://sites.google.com/site/abusivelanguageworkshop2017

項目鏈接：

https://github.com/sfu-discourse-lab/SOCC

春節 AI 學習狂歡，精品課程 豪華特輯

優惠折上折，福利搶不停！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！