metadata

language:
  - fr
license:
  - mit
size_categories:
  - 1M<n<10M
task_categories:
  - text-classification
tags:
  - binary-sentiment-analysis
  - DFP
  - french prompts
annotations_creators:
  - found
language_creators:
  - found
multilinguality:
  - monolingual
source_datasets:
  - allocine

allocine_fr_prompt_sentiment_analysis

Summary

allocine_fr_prompt_sentiment_analysis is a subset of the Dataset of French Prompts (DFP).
It contains 5,600,000 rows that can be used for a binary sentiment analysis task.
The original data (without prompts) comes from the dataset allocine by Blard.
A list of prompts (see below) was then applied in order to build the input and target columns and thus obtain the same format as the xP3 dataset by Muennighoff et al.

Prompts used

List

28 prompts were created for this dataset. The logic applied consists in proposing prompts in the indicative tense, in the form of tutoiement and in the form of vouvoiement.

'Commentaire : "'+review+'" Le commentaire est-il positif ou négatif ?',  
"""Avis : " """+review+""" " L'avis est-il positif ou négatif ?""",  
'Critique : "'+review+'" La critique est-elle positive ou négative ?',  
"""Evaluation : " """+review+""" " L'évaluation est-elle positive ou négative ?""",  
'Ce commentaire sur le produit est-il positif ou négatif ? \nCommentaire : "'+review+'"\nRéponse :',  
'Cet avis sur le produit est-il positif ou négatif ? \nAvis : "'+review+'"\nRéponse :',  
'Cette critique sur le produit est-elle positive ou négative ? \nCritique : "'+review+'"\nRéponse :',  
'Cette évaluation sur le produit est-elle positive ou négative ? \nEvaluation : "'+review+'"\nRéponse :',  
'Commentaire : "'+review+'"\n Ce commentaire sur le produit exprime-t-il un sentiment négatif ou positif ?',  
'Avis : "'+review+'"\n Cet avis sur le produit exprime-t-il un sentiment négatif ou positif ?',  
'Critique : "'+review+'"\n Cette critique sur le produit exprime-t-il un sentiment négatif ou positif ?',  
'Evaluation : "'+review+'"\n Cette évaluation sur le produit exprime-t-il un sentiment négatif ou positif ?',  
'Ce commentaire sur le produit a-t-il un ton négatif ou positif ? \n Commentaire : "'+review+'"\n Réponse :',   
'Cet avis sur le produit a-t-il un ton négatif ou positif ? \n Avis : "'+review+'"\n Réponse :',   
'Cette critique sur le produit a-t-il un ton négatif ou positif ? \n Evaluation : "'+review+'"\n Réponse :',   
'Cette évaluation sur le produit a-t-il un ton négatif ou positif ? \n Avis : "'+review+'"\n Réponse :',   
"""Voici un commentaire laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? \nCommentaire : """+review,  
"""Voici un avis laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? \nAvis : """+review,  
"""Voici une critique laissée par un client sur un produit. Diriez-vous qu'elle est négative ou positive ? \nCritique : """+review,  
"""Voici une évaluation laissée par un client sur un produit. Diriez-vous qu'elle est négative ou positive ? \nEvaluation : """+review,  
'Commentaire du produit : "'+review+'" Ce commentaire dépeint le produit sous un angle négatif ou positif ?',  
'Avis du produit : "'+review+'" Cet avis dépeint le produit sous un angle négatif ou positif ?',  
'Critique du produit : "'+review+'" Cette critique dépeint le produit sous un angle négatif ou positif ?',  
'Evaluation du produit : "'+review+'" Cette évaluation dépeint le produit sous un angle négatif ou positif ?',  
'Le commentaire suivant exprime quel sentiment ?\n Commentaire' +review,  
"""L'avis suivant exprime quel sentiment ?\n Avis""" +review,  
'La critique suivante exprime quel sentiment ?\n Critique' +review,  
"""L'évaluation suivante exprime quel sentiment ?\n Evaluation""" +review

Features used in the prompts

In the prompt list above, review and targets have been constructed from:

allocine = load_dataset('allocine') 
review = allocine['train'][i]['review']
targets = str(allocine['train'][i]['label']).replace("0", "neg").replace("1","pos")

Splits

train with 4,480,000 samples
valid with 560,000 samples
test with 560,000 samples

How to use?

from datasets import load_dataset
dataset = load_dataset("CATIE-AQ/allocine_fr_prompt_sentiment_analysis")

Citation

Original data

Théophile Blard, French sentiment analysis with BERT, (2020), GitHub repository, https://github.com/TheophileBlard/french-sentiment-analysis-with-bert

This Dataset

@misc {centre_aquitain_des_technologies_de_l'information_et_electroniques_2023,
author = { {Centre Aquitain des Technologies de l'Information et Electroniques} },
title = { DFP (Revision 1d24c09) },
year = 2023,
url = { https://huggingface.co/datasets/CATIE-AQ/DFP },
doi = { 10.57967/hf/1200 },
publisher = { Hugging Face }
}

License

MIT