YT-30M：YouTube 评论的多语言多类别数据集
社会与信息网络
2024-12-05 v1 人工智能
计算与语言
信息检索
机器学习
摘要
本文介绍了两个大型多语言评论数据集，YT-30M（以及 YT-100K），来自 YouTube。本文的分析在较小的样本（YT-100K）上进行。两个数据集：YT-30M（完整版）和 YT-100K（从 YT-30M 中随机抽取的 100K 样本）均公开发布供进一步研究使用。YT-30M（YT-100K）包含 32236173（108694）条评论，来自 YouTube 频道，频道属于 YouTube 类别。每条评论关联视频 ID、评论 ID、评论者姓名、评论者频道 ID、评论文本、赞同数、原始频道 ID 以及 YouTube 频道类别（如“新闻与政治”、“科学与技术”等）。
关键词
引用
@article{arxiv.2412.03465,
title = {YT-30M: A multi-lingual multi-category dataset of YouTube comments},
author = {Hridoy Sankar Dutta},
journal= {arXiv preprint arXiv:2412.03465},
year = {2024}
}