豆瓣评论【数据集分享】

相信很多做自然语言处理、数据分析的小伙伴们都接触过豆瓣评论数据集。

最近 《脱口秀大会5》 比较火，所以我就抓去了一份《脱5》的豆瓣短评数据集，样例如下表所示：

{"comment_time": "2022-11-02 22:37:41", "comment_score": "很差", "comment_vote": "21", "comment_content": "\"不敢说所有，至少有一部分人初心变了。不好笑不要赖观众，心思都放在稿子和段子上了吗，那广告接得，秀走得，不好笑也正常啊。\"", "comment_username": "江湖谝子"
}

其中，comment_score表示豆瓣评分，总共五颗星，对应总分为 10分。每一颗星对应2分。
不同星数对应的中文描述为：

{'力荐': 5, '推荐': 4, '还行': 3, '较差': 2, '很差': 1
}

comment_vote 代表的是有多少人赞同这条短评。

其实，豆瓣网站有严格的数据获取限制，用户仅仅能访问最热门的短评数据集共计 600 条。然后再进行翻页，网站系统则会禁止。

同时豆瓣也仅提供 200 条最新的短评。根据这些数据，我做了一个加权统计，《脱5》的豆瓣加权平均分仅仅有3.3分。口碑大大滑坡。

我还对《脱5》的豆瓣评论做了详细的数据分析，感兴趣可以看看。数据集以 json 格式给出。有需要的小伙伴可以关注下面公众号自取。

步骤如下：

1 关注微信gong—zhong号JioNLP
2 回复【脱口秀大会5】获取下载链接
3 该数据集是免费的

如何在程序中加载

如果有编程经验，可以用python进行操作

1 安装 jionlp 工具包

$ pip install jionlp

2 编写以下代码执行

import jionlp as jio
comment_list = jio.read_file_by_line(/path/to/short_comment_has_watched_highest_tuokouxiudahui5.txt)  # 解压后替换为下载路径

数据将定期更新，未来也会根据国务院的行政区划调整进行重新抓取。

我已经把数据集公开出来，可以扫码关注微信gong—zong号JioNLP，回复脱口秀大会5获取。

JioNLP 是一个专注挖掘并分析互联网数据的gong—zhong号，还想要什么数据集？来看看这里有没有你想要的数据吧。

本文由mdnice多平台发布

豆瓣评论【数据集分享】相关推荐

【python数据挖掘课程】二十六.基于SnowNLP的豆瓣评论情感分析
这是<Python数据挖掘课程>系列文章,前面很多文章都讲解了分类.聚类算法,而这篇文章主要讲解如何调用SnowNLP库实现情感分析,处理的对象是豆瓣<肖申克救赎>的评论文本. ...
Python爬虫下载加州高速路网PeMS交通流量数据集以及交通公开数据集分享
由于PeMS(PeMS)下载交通数据集一次只能下载一周数据,并且要一次一次的点击,比较麻烦. 故写出了一个小的爬虫程序,自动下载PeMS路网上VDS的数据集(前提需要FQ,需要挂全局代理) 下载为5分 ...
Python实现输入电影名字自动生成豆瓣评论词云图（带GUI界面）小程序
Python实现输入电影名字自动生成豆瓣评论词云图(带GUI界面)小程序一.项目背景电影逐渐成为人们生活的不可或缺的一部分,而了解一部电影的可以通过电影评分与大众推荐度,但以上的方式都太过于片面, ...
自然语言处理--Keras 实现LSTM循环神经网络分类 IMDB 电影评论数据集
LSTM 对于循环网络的每一层都引入了状态(state)的概念,状态作为网络的记忆(memory).但什么是记忆呢?记忆将由一个向量来表示,这个向量与元胞中神经元的元素数量相同.记忆单元将是一个由 n ...
BeautifulSoup及爬取豆瓣评论
BS4的理解 BS4会将html文档对象转换为python可以识别的四种对象: Tag: 标签对象 NavigableString : 字符内容操作对象 BeautifulSoup: 文档对象 Com ...
改良的用于情感分类的餐馆评论数据集
改良的用于情感分类的餐馆评论数据集原数据说明字段说明数据集改良 1.只保留 rating列和comment列 2.数据集去重去空 3.按照rating大小二分类 4.均衡正负向评论原数据说明 ...
记第一天使用node做爬虫——爬取猫眼电影票房总榜以及指定电影的豆瓣评论前200条
首先,我是一个做前端的应届生,今天朋友想让我帮忙爬取猫眼电影票房总榜的数据,但是我之前一点都没接触过爬虫,但我还是说:okk,我试试: 然后试试就逝世,各种坑接踵而来: 提前声明:这篇文章暂时只是获取 ...
数据集分享 | IWR1642呼吸心跳数据集
本文编辑:@调皮连续波,保持关注调皮哥,获得更多学习内容和建议! 各位大佬好,我是调皮哥,感谢大家的关注. 因为疫情,有的人回不了学校的实验室,因此早在先前我就想为大家采集一些数据,提供给大家做算法分 ...
最全自动驾驶数据集分享系列八 | 仿真数据集
目前关于自动驾驶数据集你想知道的,应该都在这里了,这是「整数智能」自动驾驶数据集八大系列分享之系列八: 「本期划重点」全球首个多传感器虚拟标注数据集:51WORLD 最大的自动驾驶多任务合成数据集: ...
kaggle数据集、mnist数据集、imdb数据集分享
数据集文件分享: kaggle数据集.mnist数据集.imdb数据集分享 mnist 数据集链接:https://pan.baidu.com/s/1g5GQf1RhRprUNizwkazdJQ 提 ...

豆瓣评论【数据集分享】

步骤如下：

如何在程序中加载

豆瓣评论【数据集分享】相关推荐

最新文章

热门文章