数据标注问题

[12138yx]

您好，我看到有些数据的注释和回归标签的内容完全相反或不一致，这是什么原因呢？ 例如：annotations=Positive；regression_labels=-0.4

[Columbine21]

您好，请问是哪条样本呢（样本id是多少），我们检查一下。

[12138yx]

监督数据集中的： video_0001,0013,有人假扮我，我要把事情弄清楚。,-0.2,-0.2,0.0,0.0,Neutral,train video_0002,0002,这菜还没凉，要不吃点？,0.2,0.2,0.0,0.0,Neutral,train video_0002,0005,你们就一个球都别想进,-0.6,-0.6,-0.4,-0.4,Neutral,train video_0002,0027,我工作以来从来没有算错过任何一笔账，我不会因为你而破例,-0.6,-0.4,-0.6,-0.4,Positive,train .... 这样的数据在训练集中有174条，验证集中有61条，测试集中有65条 with open("./dataset/ch-sims2/unaligned-001.pkl", "rb") as f: data = pickle.load(f)

annotations = data['valid']['annotations'] regression_labels = data['valid']['regression_labels']

for i in range(len(annotations)): if (annotations[i]=='Positive' and regression_labels[i]>0) or\ (annotations[i]=='Negative' and regression_labels[i]<0) or\ (annotations[i] == 'Neutral' and regression_labels[i] == 0): pass else: print(annotations[i]) print(regression_labels[i]) print(i)

[Columbine21]

非常感谢您的反馈，如果上述问题给您带来的困惑，我们很抱歉。 这个问题是由于我们同学的疏忽，统计annotations的时候是所有标注者的少数服从多数的投票结果，而regression_labels 是去掉最高分、最低分的均值，所以导致了部分数据两种标签不一致的情况；论文中的所有实验都只是用了regression_labels，因为通常来说把情感分析当作回归任务能取得更好的效果。

我们已经更新了google drive 上的数据（调整annotations与原有regression_labels的符号保持一致），百度云盘的数据等我们论文一作（已经毕业）从新上传。

如果还有什么其他问题欢迎随时issue提出，不胜感谢。