SST-2 数据集详解：NLP 情感分析的黄金标准

一、什么是 SST-2？

SST-2 是 GLUE 基准中的一项经典任务，全称为：

Stanford Sentiment Treebank v2

它来自斯坦福大学 NLP 实验室的研究成果，最初用于情感分析研究，主要目标是：

判断一句英文影评的情感倾向是积极（positive）还是消极（negative）

二、SST-1 vs. SST-2 区别？

在 GLUE 任务中，我们用的是 SST-2，即二分类版本，更适合评估通用 NLP 模型。

三、任务形式

• 输入：一段英文影评句子

• 输出：情感标签：

  • 1 = 正面情感（Positive）

  • 0 = 负面情感（Negative）

 数据集中不含中性句。

四、数据来源与规模

SST 数据来源于 Rotten Tomatoes 网站上的电影评论。
它被人工标注，具有良好的质量控制：

五、数据示例

sentence	                            label
A touching, funny and giddy movie.	    1
An empty, vapid and painful movie.	    0

解释：

• ✅ 第一句表达了积极评价，因此标为 1

• ❌ 第二句表达了贬义情绪，因此标为 0

六、模型挑战点

虽然 SST-2 是入门级任务，但要做到高准确率仍有挑战：

• 比如判断讽刺句（如：I enjoyed every minute of that disaster.）

• 理解上下文情绪词组合（如 “Not bad at all.” 实际是正面）

• 无法依赖关键词简单匹配，需要深入理解句法结构

因此，像 BERT、RoBERTa、DeBERTa 这样的预训练模型在 SST-2 上表现出色。

七、评估方式

• 指标：Accuracy（准确率）

• 官方 GLUE 排行榜以 SST-2 accuracy 为分值标准

• 顶级模型在测试集上可达到 95%+ 的准确率

八、使用代码（HuggingFace 示例）

1. 加载数据

from datasets import load_dataset

dataset = load_dataset("glue", "sst2")
print(dataset["train"][0])

输出示例：

{'sentence': "hide new secretions from the parental units ", 'label': 0}

2. 使用 BERT 模型训练

from transformers import BertTokenizer, BertForSequenceClassification, Trainer, TrainingArguments

tokenizer = BertTokenizer.from_pretrained("bert-base-uncased")
model = BertForSequenceClassification.from_pretrained("bert-base-uncased", num_labels=2)

def tokenize_fn(example):
    return tokenizer(example["sentence"], truncation=True, padding="max_length", max_length=128)

encoded = dataset.map(tokenize_fn, batched=True)

training_args = TrainingArguments(
    output_dir="./sst2_output",
    per_device_train_batch_size=16,
    evaluation_strategy="epoch",
    num_train_epochs=3,
    logging_dir='./logs',
)

trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=encoded["train"],
    eval_dataset=encoded["validation"],
)

trainer.train()

九、实际应用

SST-2 所考察的情感分析能力在生活中广泛应用：

• 商品评论分析

• 舆情监控系统

• 智能客服态度判断

• 舆论导向预测（如社交媒体文本）

十、总结