相信很多做自然語言處理、數據分析的小伙伴們都接觸過豆瓣評論數據集。

最近 《脫口秀大會5》 比較火，所以我就抓去了一份《脫5》的豆瓣短評數據集，樣例如下表所示：

{"comment_time": "2022-11-02 22:37:41", "comment_score": "很差", "comment_vote": "21", "comment_content": "\"不敢說所有，至少有一部分人初心變了。不好笑不要賴觀眾，心思都放在稿子和段子上了嗎，那廣告接得，秀走得，不好笑也正常啊。\"", "comment_username": "江湖諞子" }

• 其中，comment_score表示豆瓣評分，總共五顆星，對應總分為 10分。每一顆星對應2分。
  不同星數對應的中文描述為：

{'力薦': 5, '推薦': 4, '還行': 3, '較差': 2, '很差': 1 }

• comment_vote 代表的是有多少人贊同這條短評。

其實，豆瓣網站有嚴格的數據獲取限制，用戶僅僅能訪問最熱門的短評數據集共計 600 條。然后再進行翻頁，網站系統(tǒng)則會禁止。

同時豆瓣也僅提供 200 條最新的短評。根據這些數據，我做了一個加權統(tǒng)計，《脫5》的豆瓣加權平均分僅僅有3.3分?？诒蟠蠡?。

我還對《脫5》的豆瓣評論做了詳細的數據分析，感興趣可以看看。數據集以 json 格式給出。有需要的小伙伴可以關注下面公眾號自取。

步驟如下：

• 1 關注微信gong—zhong號JioNLP
• 2 回復【脫口秀大會5】獲取下載鏈接
• 3 該數據集是免費的

如何在程序中加載

如果有編程經驗，可以用python進行操作

• 1 安裝 jionlp 工具包

$ pip install jionlp

• 2 編寫以下代碼執(zhí)行

import jionlp as jio comment_list = jio.read_file_by_line(/path/to/short_comment_has_watched_highest_tuokouxiudahui5.txt) # 解壓后替換為下載路徑

數據將定期更新，未來也會根據國務院的行政區(qū)劃調整進行重新抓取。

我已經把數據集公開出來，可以掃碼關注微信gong—zong號JioNLP，回復脫口秀大會5獲取。

JioNLP 是一個專注挖掘并分析互聯(lián)網數據的gong—zhong號，還想要什么數據集？來看看這里有沒有你想要的數據吧。

本文由mdnice多平臺發(fā)布

本文由mdnice多平臺發(fā)布

總結

以上是生活随笔為你收集整理的豆瓣评论【数据集分享】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。