要約
本稿では、YouTubeのYT-30M（およびYT-100K）という2つの大規模な多言語コメントデータセットを紹介する。本論文の分析はYT-30Mの小さいサンプル（YT-100K）に対して行われる。どちらのデータセットもYT-30M（フル）とYT-100K（YT-30Mから無作為に選ばれた10万サンプル）は、さらなる研究のために公開されている。YT-30M（YT-100K）には、YouTubeカテゴリに属するYouTubeチャンネルによって投稿された32236173（108694）件のコメントが含まれる。各コメントには、動画ID、コメントID、コメント投稿者名、コメント投稿者チャンネルID、コメント本文、アップヴォート、元のチャンネルID、YouTubeチャンネルのカテゴリ（「ニュース＆政治」「科学＆技術」など）が関連付けられている。
要約(オリジナル)
This paper introduces two large-scale multilingual comment datasets, YT-30M (and YT-100K) from YouTube. The analysis in this paper is performed on a smaller sample (YT-100K) of YT-30M. Both the datasets: YT-30M (full) and YT-100K (randomly selected 100K sample from YT-30M) are publicly released for further research. YT-30M (YT-100K) contains 32236173 (108694) comments posted by YouTube channel that belong to YouTube categories. Each comment is associated with a video ID, comment ID, commentor name, commentor channel ID, comment text, upvotes, original channel ID and category of the YouTube channel (e.g., ‘News & Politics’, ‘Science & Technology’, etc.).
arxiv情報
| 著者 | Hridoy Sankar Dutta |
| 発行日 | 2024-12-04 16:54:58+00:00 |
| arxivサイト | arxiv_id(pdf) |