SentiCap 数据集包含带有积极和消极情绪描述的图片。这些情感描述是由作者通过重写事实描述而生成的。总共有 2,000 多条情感描述。

SentiCap 数据集中的图像主要取自于 MS COCO 数据集。从情感的极性出发为图像提供标注，为每幅图像形成 “正面 (positive)” 和 “负面 (negative)” 的图像描述。该数据集共选用了 1,027 个正面的 ANPs（adjective noun pair）与 436 个负面的 ANPs 。该数据集最终共包含了 3,171 幅图像，每幅图像对应至少 3 条正面、 3 条负面的语句描述。