RuSentiment：ロシア語ソーシャルメディア向けに拡張された感情分析データセット

本稿では、ロシア語でのソーシャルメディア投稿の感情分析を目的とした新しいデータセット「RuSentiment」と、他の言語にも拡張可能な包括的なアノテーションガイドラインを提示する。RuSentimentは、現在までにロシア語分野で最大規模のデータセットであり、31,185件の投稿が3つのアノテーション（1投稿あたり）でラベル付けされており、Fleissのκは0.58である。データセットの多様性を高めるために、6,950件の投稿はアクティブラーニング風の戦略により事前に選定した。また、ベースライン分類結果を報告するとともに、32億トークンにわたるロシア語VKontakte投稿データで学習された最良のパフォーマンスを示す埋め込み表現（embeddings）も公開する。