Movie Feelings 是一个电影情感特征数据集，旨在系统刻画电影所引发的细粒度情绪（feelings）特征，突破传统仅基于正负面情感或基础情绪分类的局限，广泛应用于电影推荐系统构建、观众评分预测、情绪建模研究，以及 NLP 与大语言模型在情绪理解任务中的对比评估，同时也可用于分析不同情绪模式与电影口碑之间的关联关系，为计算社会科学与影视数据分析提供重要数据支撑。 该数据集包含 1,500 部具有代表性且具有文化影响力的电影，时间跨度为 1920 年至 2024 年，覆盖怀疑、恐惧、平静、厌恶、团结、欣喜等 50 种情感状态。数据集包括电影基础信息、评分数据、剧情文本，以及三套独立情绪特征体系（F1/F2/F3）：其中 F1 为基于影评的连续型特征，F2 与 F3 为基于模型推理生成的 Top 3 离散情绪标记。

情绪特征体系

• F1（Review-Based NLP，情绪特征）：基于 88 万条电影影评文本构建，通过情绪同义词词典进行匹配统计，生成 50 维连续型情绪强度特征（0–1）。
• F2（Transformer，剧情理解情绪特征）：使用 BART 进行零样本情绪分类，并结合 RoBERTa 进行语义重排序，对电影剧情摘要进行理解建模，从 50 种情绪中选取 Top-3 情绪作为二值特征。
• F3（GPT-4o，生成式情绪特征）：基于 GPT-4o 直接对电影剧情进行情绪推理，在限定的 50 种情绪集合中生成 Top-3 情绪标签，并转化为二值特征。