构建首个基于心理理论的统一情绪分类数据集
The Super Emotion Dataset
- 采用心理学验证的情绪分类体系整合多源文本
- 覆盖跨领域文本，支持更一致的情绪识别研究
- 适合情绪分析、人机交互等领域的研究者使用
尽管自然语言处理中情绪分类数据集广泛应用，但该领域仍缺乏一个标准化、大规模且基于心理学理论的数据资源。现有数据集或情绪类别不一致，或样本量有限，或仅聚焦特定领域。本文提出的Super Emotion Dataset通过将多种文本来源统一到Shaver经实证验证的情绪分类体系中，构建了跨领域一致的情绪标注框架，推动情绪识别研究的可比性与可复现性。
原文摘要 · Abstract (English)
Despite the wide-scale usage and development of emotion classification datasets in NLP, the field lacks a standardized, large-scale resource that follows a psychologically grounded taxonomy. Existing datasets either use inconsistent emotion categories, suffer from limited sample size, or focus on specific domains. The Super Emotion Dataset addresses this gap by harmonizing diverse text sources into a unified framework based on Shaver's empirically validated emotion taxonomy, enabling more consistent cross-domain emotion recognition research.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。