西班牙语幽默诗与四行诗分类数据集
数据集简介
数据内容与来源
数据集围绕西班牙语短诗展开,收录两类文本:一类是普通四行诗(cuartetas),另一类是墨西哥亡灵节传统的 calaveritas 文学诗。所有文本均通过网页抓取(scraping)方式收集,随后由人工进行分类与标注,标注过程重点关注诗歌格律的识别,以及文本中幽默或讽刺元素的有无。
数据集由 DemonTeam 整理并共享,署名作者包括 Victor Manuel Palma、Liana Ermakova、Grigori Sidorov 与 Carolina Palma Preciado,相关论文题为《Four Lines, Different Deaths: Exploring the Classification of Humor in Calaveritas Poems》,发表于 International Journal of Combinatorial Optimization Problems and Informatics(IJCOPI)。
数据结构与字段
数据集以 JSON 格式组织,采用两列二值结构,字段含义如下:
| 字段 | 说明 |
|---|---|
| 4v | 四行诗句文本,行与行之间以换行符分隔 |
| Re | 二值标签,0 表示普通诗,1 表示 calaverita 幽默诗 |
该结构可直接用于文本分类(text-classification)与句子语义相似度(sentence-similarity)任务,也可用于诗歌格律、押韵格式与诗句结构的分析。
用途与任务
数据集的主要用途是区分 calaveritas 幽默诗与普通四行诗(cuartetas),同时可支撑以下分析方向:
- 西班牙语诗歌文本的二分类建模;
- 诗句级语义相似度计算;
- 诗歌格律与押韵格式的自动识别;
- 幽默或讽刺元素的语言学分析。
规模与访问方式
数据集样本数小于 1000 条(n<1K),总文件体积为 177 kB,采用 CC BY 4.0 许可协议。仓库公开可访问,但访问文件与内容前需登录并同意 Hugging Face 的共享条件。数据集发布于 2026 年 9 月 29 日,上月下载量为 38 次。
引用信息
若在研究中使用了本数据集,请引用相关论文:
Palma, V. M., Ermakova, L., Sidorov, G., & Palma Preciado, C. Four Lines, Different Deaths: Exploring the Classification of Humor in Calaveritas Poems. International Journal of Combinatorial Optimization Problems and Informatics (IJCOPI).