Når vi skal trene nevrale nettverk for Targeted Sentiment Analysis TSA, trenger vi masse eksempler. Grunnen til at det i det hele tatt er aktuelt å skrive om TSA på norsk, er at vi i 2020 har fått datasettet NoReC-fine. Det inneholder over ti tusen setninger der folk har sittet og merket av hvor det er et sentiment target, og hvor vi har ordene som uttrykker dette sentimentet overfor target.

Hente dataene for NoReC-fine

Datasettet er tilgjengelig i json-format på github. Jeg er ikke helt trygg på skriptet som skal konvertere til conll, så jeg har mine egne versjoner av de konverterte dataene. De ligger i mitt repo her.. Uansett hvor du tar det fra: Du skal ha over 5000 forekomster av tekststrengen “B-targ” i train-fila.