---
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)**](https://huggingface.co/datasets/CATIE-AQ/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](https://huggingface.co/datasets/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](https://huggingface.co/datasets/bigscience/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