---
language:
- zh
license: mit
size_categories:
- 100K<n<1M
task_categories:
- text-classification
task_ids:
- sentiment-classification
paperswithcode_id: chinese-herbal-medicine-sentiment
tags:
- sentiment-analysis
- chinese
- herbal-medicine
- traditional-chinese-medicine
- reviews
- e-commerce
- healthcare
- nlp
- text-mining
pretty_name: Chinese Herbal Medicine Sentiment Analysis Dataset
dataset_info:
  features:
  - name: username
    dtype: string
  - name: user_id
    dtype: int64
  - name: review_text
    dtype: string
  - name: review_time
    dtype: string
  - name: rating
    dtype: int64
  - name: product_id
    dtype: string
  - name: sentiment_label
    dtype: string
  - name: source_file
    dtype: string
  splits:
  - name: train
    num_bytes: 24800000
    num_examples: 211391
  - name: validation
    num_bytes: 2760000
    num_examples: 23488
  download_size: 27600000
  dataset_size: 27560000
configs:
- config_name: default
  data_files:
  - split: train
    path: data/train-*
  - split: validation
    path: data/validation-*
---

# 中药情感分析数据集 - 数据说明书
# Chinese Herbal Medicine Sentiment Analysis Dataset - Datacard

## 数据集概述 / Dataset Overview

### 基本信息 / Basic Information
- **数据集名称 / Dataset Name**: Chinese Herbal Medicine Sentiment Analysis Dataset
- **版本 / Version**: 1.0.0
- **创建日期 / Created**: 2025-08-26
- **作者 / Author**: Xingqiang Chen
- **许可证 / License**: MIT
- **语言 / Language**: 中文 (Chinese)
- **领域 / Domain**: 中药 / 传统中医药 (Traditional Chinese Medicine)

### 数据规模 / Data Scale
- **总样本数 / Total Samples**: 234,879
- **唯一产品数 / Unique Products**: 259
- **唯一用户数 / Unique Users**: 210,749
- **时间跨度 / Time Span**: 14.5 年 / years (2010-01-13 20:22:34 至 / to 2024-07-02 19:54:44)

## 数据内容 / Data Content

### 情感分布 / Sentiment Distribution
| 情感类别 / Sentiment | 数量 / Count | 百分比 / Percentage |
|-------------------|------------|------------------|
| 正面 / Positive | 178,014 | 75.8% |
| 中性 / Neutral | 27,023 | 11.5% |
| 负面 / Negative | 29,842 | 12.7% |

### 评分分布 / Rating Distribution
| 评分 / Rating | 数量 / Count | 百分比 / Percentage |
|--------------|------------|------------------|
| 1 星 / stars | 29,842 | 12.7% |
| 2 星 / stars | 7,554 | 3.2% |
| 3 星 / stars | 19,469 | 8.3% |
| 4 星 / stars | 1,953 | 0.8% |
| 5 星 / stars | 176,061 | 75.0% |

### 文本统计 / Text Statistics
- **平均长度 / Average Length**: 42.4 字符 / characters
- **中位数长度 / Median Length**: 27 字符 / characters
- **最短长度 / Minimum Length**: 1 字符 / characters
- **最长长度 / Maximum Length**: 563 字符 / characters
- **总字符数 / Total Characters**: 9,966,582

### 产品统计 / Product Statistics
- **每个产品的平均评论数 / Average Reviews per Product**: 906.9
- **每个产品的评论数中位数 / Median Reviews per Product**: 1018
- **单个产品最少评论数 / Minimum Reviews per Product**: 1
- **单个产品最多评论数 / Maximum Reviews per Product**: 3030

## 数据结构 / Data Structure

### 字段说明 / Field Descriptions

| 字段名 / Field Name | 类型 / Type | 描述 / Description | 示例 / Example |
|-------------------|------------|------------------|---------------|
| `username` | string | 匿名化的用户名 / Anonymized username | "用***客" |
| `user_id` | integer | 唯一用户标识符 / Unique user identifier | 16788761848 |
| `review_text` | string | 中文评论内容 / Chinese review content | "产品质量很好，效果明显" |
| `review_time` | datetime | 评论发布时间 / Review timestamp | "2021-12-09 12:56:37" |
| `rating` | integer | 评分 (1-5分) / Rating (1-5 scale) | 5 |
| `product_id` | string | 产品唯一标识符 / Product identifier | "100001642346" |
| `sentiment_label` | string | 情感标签 / Sentiment label | "positive", "neutral", "negative" |
| `source_file` | string | 原始数据文件名 / Source file name | "100001642346-好评.xls" |

### 数据格式 / Data Format
- **文件格式 / File Format**: CSV (UTF-8 encoding)
- **分隔符 / Delimiter**: 逗号 / Comma (`,`)
- **缺失值 / Missing Values**: 无 / None (所有字段都有值 / All fields have values)

## 数据收集 / Data Collection

### 来源 / Source
- **平台 / Platform**: 中国电商平台 / Chinese e-commerce platforms
- **收集时间 / Collection Period**: 2010-2024
- **收集方法 / Collection Method**: 网络爬虫 / Web scraping

### 数据质量 / Data Quality
- **完整性 / Completeness**: 100% (无缺失值 / No missing values)
- **一致性 / Consistency**: 高 / High (统一的数据格式和编码 / Unified format and encoding)
- **准确性 / Accuracy**: 高 / High (原始用户评论数据 / Original user review data)

### 数据预处理 / Data Preprocessing
1. **文本清理 / Text Cleaning**: 
   - 去除空白评论 / Remove empty reviews
   - 统一编码格式 / Standardize encoding
   - 过滤无效内容 / Filter invalid content

2. **情感标注 / Sentiment Labeling**:
   - 基于平台原始分类 / Based on platform original classification
   - 好评 → positive / 中评 → neutral / 差评 → negative

3. **数据验证 / Data Validation**:
   - 检查数据类型 / Check data types
   - 验证时间格式 / Validate time format
   - 确保情感标签一致性 / Ensure sentiment label consistency

## 使用案例 / Use Cases

### 适用场景 / Suitable Applications
1. **情感分析研究 / Sentiment Analysis Research**
   - 中文文本情感分类 / Chinese text sentiment classification
   - 情感分析模型训练 / Sentiment analysis model training
   - 跨领域情感分析 / Cross-domain sentiment analysis

2. **自然语言处理 / Natural Language Processing**
   - 中文文本理解 / Chinese text understanding
   - 文本分类任务 / Text classification tasks
   - 语言模型微调 / Language model fine-tuning

3. **中医药研究 / Traditional Chinese Medicine Research**
   - 用户满意度分析 / User satisfaction analysis
   - 产品质量评估 / Product quality assessment
   - 市场反馈分析 / Market feedback analysis

4. **商业智能 / Business Intelligence**
   - 客户意见挖掘 / Customer opinion mining
   - 产品改进建议 / Product improvement suggestions
   - 竞争分析 / Competitive analysis

### 基准任务 / Benchmark Tasks
- **三分类情感分析 / 3-class Sentiment Classification**: positive, neutral, negative
- **五分类评分预测 / 5-class Rating Prediction**: 1-5 stars
- **文本-情感对齐 / Text-Sentiment Alignment**: 评论内容与情感标签的对应关系

## 技术规范 / Technical Specifications

### 系统要求 / System Requirements
```python
# Python 依赖 / Dependencies
pandas >= 1.3.0
datasets >= 2.0.0
transformers >= 4.20.0
torch >= 1.10.0  # 可选 / Optional
tensorflow >= 2.8.0  # 可选 / Optional
```

### 加载方式 / Loading Methods

#### 1. 使用 Hugging Face Datasets
```python
from datasets import load_dataset

# 加载完整数据集 / Load full dataset
dataset = load_dataset("xingqiang/chinese-herbal-medicine-sentiment")

# 访问训练集和验证集 / Access train and validation sets
train_data = dataset['train']
val_data = dataset['validation']

# 查看数据样例 / View data sample
print(train_data[0])
```

#### 2. 使用 Pandas
```python
import pandas as pd

# 从 CSV 文件加载 / Load from CSV
df = pd.read_csv("chinese_herbal_sentiment.csv")

# 查看基本信息 / View basic info
print(df.info())
print(df.head())
```

### 数据分割 / Data Splits
- **训练集 / Training Set**: 90% (211,391 样本 / samples)
- **验证集 / Validation Set**: 10% (23,487 样本 / samples)
- **分割方式 / Split Method**: 随机分割 / Random split (seed=42)

## 伦理考虑 / Ethical Considerations

### 隐私保护 / Privacy Protection
- **用户隐私 / User Privacy**: 所有用户名已匿名化处理 / All usernames are anonymized
- **个人信息 / Personal Information**: 不含任何个人身份信息 / No personal identifying information
- **数据脱敏 / Data Desensitization**: 保留分析价值同时保护用户隐私 / Preserve analytical value while protecting privacy

### 使用限制 / Usage Restrictions
- **学术研究 / Academic Research**: 鼓励用于学术研究和教育 / Encouraged for academic research and education
- **商业用途 / Commercial Use**: 遵循 MIT 许可证条款 / Follow MIT license terms
- **数据再分发 / Data Redistribution**: 允许在保持归属的情况下再分发 / Allowed with proper attribution

### 潜在偏见 / Potential Biases
- **时间偏见 / Temporal Bias**: 数据跨越多年，可能存在时间相关的偏见 / Data spans multiple years, potential temporal biases
- **平台偏见 / Platform Bias**: 来自特定电商平台，可能不代表整体市场 / From specific e-commerce platforms, may not represent overall market
- **产品偏见 / Product Bias**: 仅包含中药产品，情感表达可能具有领域特性 / Only includes herbal medicine products, sentiment expressions may be domain-specific

## 质量保证 / Quality Assurance

### 数据验证 / Data Validation
- ✅ 无重复记录 / No duplicate records
- ✅ 无缺失值 / No missing values  
- ✅ 时间格式一致 / Consistent time format
- ✅ 情感标签有效 / Valid sentiment labels
- ✅ 文本编码正确 / Correct text encoding

### 统计检查 / Statistical Checks
- ✅ 情感分布合理 / Reasonable sentiment distribution
- ✅ 评分与情感标签对应 / Rating-sentiment correspondence
- ✅ 时间分布连续 / Continuous temporal distribution
- ✅ 产品覆盖充分 / Sufficient product coverage

## 版本历史 / Version History

### v1.0.0 (2024-08-26)
- 初始发布 / Initial release
- 包含 234,879 条评论数据 / Contains 234,879 reviews
- 支持三分类情感分析任务 / Supports 3-class sentiment analysis task

## 引用方式 / Citation

如果您在研究中使用了此数据集，请引用：
If you use this dataset in your research, please cite:

```bibtex
@dataset{chinese_herbal_sentiment_2024,
  title={Chinese Herbal Medicine Sentiment Analysis Dataset},
  author={Chen, Xingqiang},
  year={2024},
  version={1.0.0},
  url={https://huggingface.co/datasets/xingqiang/chinese-herbal-medicine-sentiment},
  note={A comprehensive sentiment analysis dataset for Traditional Chinese Medicine product reviews}
}
```

## 联系方式 / Contact

- **数据集维护者 / Dataset Maintainer**: Xingqiang Chen
- **Hugging Face**: [xingqiang](https://huggingface.co/xingqiang)
- **问题反馈 / Issue Reports**: 请在 Hugging Face 数据集页面提交 / Please submit on the Hugging Face dataset page

## 致谢 / Acknowledgments

感谢所有提供评论数据的用户，以及中医药电商平台提供的数据基础。
Thanks to all users who provided review data and the e-commerce platforms for the data foundation.

---

**最后更新 / Last Updated**: 2025-08-26 02:50:03
**数据集大小 / Dataset Size**: ~9.5 MB (文本内容 / text content)