Dataset Card: kalixlouiis/burmese-sentiment-analysis

Dataset Summary

The kalixlouiis/burmese-sentiment-analysis dataset is designed for sentiment classification of text written in the Burmese (Myanmar) language. This dataset consists of text inputs (text_input) paired with their corresponding sentiment labels (output), which can be "positive," "negative," or "neutral." The dataset contains a total of 3030 instances, with an equal distribution of 1010 instances for each sentiment category. This dataset is suitable for training, testing, and evaluating machine learning models, particularly for sentiment analysis tasks.

Dataset Structure

Data Instances

Each data instance in the dataset has the following structure:

{"text_input": "Burmese text", "output": "positive/negative/neutral"}

Data Fields

• text_input: The input text, written in Burmese.
• output: The sentiment label associated with the input text, which can be one of: "positive," "negative," or "neutral."

Data Splits

The dataset is divided into three splits: training, validation, and testing, with the following proportions:

• Train set: 80% (2424 instances)
• Validation set: 10% (303 instances)
• Test set: 10% (303 instances)

Dataset Creation

Curation Rationale

This dataset was created to provide a high-quality resource for sentiment analysis tasks in the Burmese language. It is intended to support both practical applications (e.g., in social media monitoring and business analytics) and research in Burmese natural language processing.

Source Data

All text inputs within this dataset were authored by Kalix Louiis. The data was not collected from any external websites, social media platforms, or other pre-existing sources.

Annotations

• All data instances were annotated (labeled) solely by Kalix Louiis.
• The following guidelines were used during the annotation process:
  • Positive: A text is labeled as "positive" if it expresses positive sentiments, such as happiness, satisfaction, approval, or agreement.
  • Negative: A text is labeled as "negative" if it expresses negative sentiments, such as sadness, disappointment, anger, disapproval, or disagreement.
  • Neutral: A text is labeled as "neutral" if it does not express any significant positive or negative sentiment, typically conveying factual information or neutral opinions.
  • If a text contains mixed sentiments (e.g., both positive and negative aspects), the label is assigned based on the predominant sentiment expressed by the author, or the main purpose of the text.

Personal and Sensitive Information

This dataset does not contain any personally identifiable information (PII) or sensitive data that could be used to identify or harm individuals.

Considerations for Using the Data

Social Impact of Dataset

Sentiment analysis models trained on this dataset could be valuable for various applications, including:

• Monitoring social media sentiment in Burmese.
• Analyzing customer feedback for businesses operating in Myanmar.
• Supporting research in Burmese language processing.

However, it's crucial to be aware of the potential for biased or unfair outcomes. Model developers should carefully evaluate their models for bias and consider mitigation strategies.

Discussion of Biases

• Annotator Bias: As the dataset was authored and annotated by a single individual, it may reflect the personal biases, perspectives, and linguistic preferences of that individual (Kalix Louiis). This could manifest as, for example, a tendency to label certain topics more positively or negatively, or idiosyncratic use of certain words or phrases.
• Language Variety Bias: The dataset uses colloquial modern Burmese. It may not adequately represent regional dialects or older forms of the language. Models trained on this data might not perform well on text from different linguistic backgrounds.
• Sentiment Distribution Bias: The dataset has an equal number of instances for each sentiment class (positive, negative, neutral). This artificial balance may not reflect the true distribution of sentiment in real-world data, where one sentiment might be more prevalent than others.

Other Known Limitations

• Dataset Size: While 3030 instances may be sufficient for some sentiment analysis tasks, more complex deep learning models might require larger datasets for optimal performance.
• Domain Specificity: The dataset consists of general Burmese sentences and is not focused on any specific domain. For use in specialized domains (e.g., finance, healthcare), fine-tuning or augmentation with domain-specific data may be necessary.
• Sentence Length: No maximum or minimum sentence length limits have been applied. Very long sentences could impact a model's performance.
• Subjectivity of Sentiment: Sentiment is subjective. Even with guidelines, different annotators might label the same text differently.

Additional Information

• Dataset Curators: Kalix Louiis

• Licensing Information: CC-BY-4.0

• Citation Information:

  @misc{kalixlouiis_burmese_sentiment_analysis,
    author = {Kalix Louiis},
    title = {{Burmese Sentiment Analysis Dataset}},
    year = {2025},
    publisher = {Hugging Face},
    howpublished = {\url{https://huggingface.co/datasets/kalixlouiis/burmese-sentiment-analysis}}
  }
  

• Contact Information: Kalix Louiis

ဒေတာ အကျဉ်းချုပ်

kalixlouiis/burmese-sentiment-analysis dataset သည် မြန်မာဘာသာစကားဖြင့် ရေးသားထားသော စာသားများ၏ စိတ်ခံစားမှု (sentiment) ကို ခွဲခြားရန်အတွက် ရည်ရွယ်ပြုစုထားသော dataset ဖြစ်ပါသည်။ ဤ dataset တွင် စာသား (text input) နှင့် ၎င်း၏ သက်ဆိုင်ရာ စိတ်ခံစားမှု အမျိုးအစား (positive, negative, neutral) label များ ပါဝင်ပါသည်။ Dataset တွင် အချက်အလက်စုစုပေါင်း (၃၀၃၀) ခု ပါဝင်ပြီး စိတ်ခံစားမှု အမျိုးအစားတစ်ခုစီလျှင် အချက်အလက် (၁၀၁၀) ခုစီ တူညီစွာ ပါဝင်ပါသည်။ ဤ dataset ကို Machine learning မော်ဒယ်များ လေ့ကျင့်ခြင်း (training)၊ စမ်းသပ်ခြင်း (testing) နှင့် အကဲဖြတ်ခြင်း (evaluation) တို့အတွက် အသုံးပြုနိုင်ပါသည်။

ဒေတာ ဖွဲ့စည်းပုံ

ဒေတာ နမူနာများ

Dataset တွင် အောက်ပါအတိုင်း ဖွဲ့စည်းထားသည်:

  {"text_input": "မြန်မာစာသား", "output": "positive/negative/neutral"}

ဒေတာ ကဏ္ဍများ

• text_input: မြန်မာဘာသာဖြင့် ရေးသားထားသော စာသား (input text)။
• output: စာသား၏ စိတ်ခံစားမှု အမျိုးအစား (positive, negative, neutral) ကို ဖော်ပြသော label။

ဒေတာ အပိုင်းခွဲများ:

• ဤ dataset ကို အောက်ပါ အချိုးများအတိုင်း train, validation, test set များအဖြစ် ခွဲခြားထားပါသည်။
  • Train set: 80% (၂၄၂၄ ခု)
  • Validation set: 10% (၃၀၃ ခု)
  • Test set: 10% (၃၀၃ ခု)

ဒေတာ ပြုစုခြင်း

ပြုစုရခြင်း ရည်ရွယ်ချက်

ဤ dataset ကို မြန်မာဘာသာဖြင့် sentiment analysis လုပ်ငန်းများအတွက် အရည်အသွေးမီ dataset တစ်ခု ရရှိစေရန် ရည်ရွယ်၍ ပြုစုထားခြင်း ဖြစ်ပါသည်။ ထို့ပြင် မြန်မာဘာသာဖြင့် သုတေသနလုပ်ငန်းများတွင် အသုံးပြုနိုင်ရန် ရည်ရွယ်ပါသည်။

ဒေတာ ရင်းမြစ်

ဤ dataset အတွင်းရှိ စာသားများ (text inputs) အားလုံးကို Kalix Louiis မှ ကိုယ်တိုင်ရေးသားထားခြင်း ဖြစ်ပါသည်။

Annotations

• Data များကို Kalix Louiis မှ label တပ်ခဲ့ခြင်း (annotate လုပ်ခြင်း) ဖြစ်ပါသည်။
• Labeling ပြုလုပ်ရာတွင် အောက်ပါ guidelines များကို အသုံးပြုထားပါသည်။
  • Positive: စာသားသည် အကောင်းမြင်ခြင်း၊ ပျော်ရွှင်ခြင်း၊ ကျေနပ်ခြင်း၊ ထောက်ခံခြင်း စသည့် စိတ်ခံစားမှုများကို ဖော်ပြလျှင် positive ဟု သတ်မှတ်သည်။
  • Negative: စာသားသည် အဆိုးမြင်ခြင်း၊ ဝမ်းနည်းခြင်း၊ စိတ်ပျက်ခြင်း၊ ဒေါသထွက်ခြင်း၊ မကျေနပ်ခြင်း စသည့် စိတ်ခံစားမှုများကို ဖော်ပြလျှင် negative ဟု သတ်မှတ်သည်။
  • Neutral: စာသားသည် မည်သည့် စိတ်ခံစားမှု (အကောင်း/အဆိုး) ကိုမှ သိသိသာသာ ဖော်ပြခြင်း မရှိဘဲ သာမန်အကြောင်းအရာ (သို့မဟုတ်) သတင်းအချက်အလက်ကိုသာ ဖော်ပြလျှင် neutral ဟု သတ်မှတ်သည်။
  • အကယ်၍ စာသားတစ်ခုသည် စိတ်ခံစားမှုတစ်ခုထက်ပို၍ ပါဝင်နေပါက (ဥပမာ - အကောင်းနှင့်အဆိုး ရောနေခြင်း)၊ ထိုစာသား၏ အဓိကရည်ရွယ်ချက် (သို့မဟုတ်) စာရေးသူ၏ အဓိကဖော်ပြလိုသော စိတ်ခံစားမှုအပေါ် မူတည်၍ label တပ်ပါသည်။

Personal and Sensitive Information

Dataset တွင် မည်သူတစ်ဦးတစ်ယောက်ကိုမှ ရည်ညွှန်းသော (သို့) ပုဂ္ဂိုလ်ရေးအရ ထိခိုက်စေနိုင်သော အချက်အလက်များ လုံးဝမပါဝင်ပါ။

အသုံးပြုရန် ထည့်သွင်းစဉ်းစားရမည့်အချက်များ

Dataset ၏ လူမှုရေးဆိုင်ရာ သက်ရောက်မှု

ဤ dataset ကို အသုံးပြု၍ တည်ဆောက်ထားသော sentiment analysis models များသည် မြန်မာဘာသာစကားသုံး လူမှုကွန်ရက်များ၊ စီးပွားရေးလုပ်ငန်းများ (customer feedback analysis)၊ သုတေသနလုပ်ငန်းများတွင် အသုံးဝင်နိုင်ပါသည်။ သို့သော် မမျှတသော (biased) ရလဒ်များ ထွက်ပေါ်လာနိုင်ခြေကို သတိပြုရန် လိုအပ်ပါသည်။

ဘက်လိုက်မှုဆိုင်ရာ ဆွေးနွေးချက်

• ဤ dataset ကို တစ်ဦးတည်းမှ ရေးသား/တံဆိပ်တပ်ထားခြင်းဖြစ်သောကြောင့် ထိုပုဂ္ဂိုလ်၏ တစ်ကိုယ်ရည် အမြင်၊ အတွေးအခေါ်၊ ဘာသာစကားအသုံးအနှုန်းများ (personal biases) ပါဝင်နေနိုင်ပါသည်။ ဥပမာ - အချို့သော အကြောင်းအရာများအပေါ် အကောင်းမြင်လွန်းခြင်း၊ အဆိုးမြင်လွန်းခြင်း (သို့မဟုတ်) စကားလုံးအချို့ကို အသုံးပြုပုံ ကွဲပြားခြင်း စသည်တို့ ဖြစ်နိုင်ပါသည်။
• Dataset တွင်ပါဝင်သော စာသားများသည် ခေတ်ပေါ်မြန်မာစကားအသုံးအနှုန်း(colloquial Myanmar) ဖြင့် ရေးသားထားခြင်းဖြစ်သည်။ ထို့ကြောင့် အချို့သော ဒေသိယစကားများ (regional dialects)၊ ခေတ်ဟောင်းစကားလုံးများ (archaic words) ကို နားမလည်ခြင်း (သို့မဟုတ်) လွဲမှားစွာ အဓိပ္ပာယ်ကောက်ယူခြင်းများ ဖြစ်ပေါ်နိုင်ပါသည်။
• Dataset သည် မျှတမှုရှိစေရန် (Positive, Negative, Neutral) label တစ်ခုစီတွင် အရေအတွက်တူညီအောင် ထည့်သွင်းထားသော်လည်း လက်တွေ့ real-world data တွင် sentiment များသည် ဤကဲ့သို့ တူညီစွာ ဖြန့်ကျက်နေမည်မဟုတ်ပါ။

အခြားသိထားသော အကန့်အသတ်များ

• Data အရေအတွက် (၃၀၃၀) သည် sentiment analysis model ကောင်းတစ်ခု လေ့ကျင့်ရန် လုံလောက်မှု ရှိနိုင်သော်လည်း ပိုမိုရှုပ်ထွေးသော deep learning models များအတွက်မူ data ပိုမိုလိုအပ်နိုင်ပါသည်။
• ဤ dataset သည် specific domain တစ်ခုတည်းကိုသာ အဓိကထားခြင်း မဟုတ်ဘဲ ယေဘုယျ မြန်မာစာကြောင်းများ (general Myanmar sentences) ကိုသာ အခြေခံထားပါသည်။ ထို့ကြောင့် specific domain (ဥပမာ - finance, healthcare) များတွင် အသုံးပြုရန်အတွက် fine-tuning ပြုလုပ်ရန် လိုအပ်ချက်ရှိနိုင်ပါသည်။
• Dataset ထဲမှစာကြောင်းများသည် အများဆုံးစကားလုံးအရေအတွက် မည်မျှပါဝင်သည် (သို့) အတိုဆုံးစာကြောင်း စသည်ဖြင့် မသတ်မှတ်ထားပါ။ စာကြောင်းရှည်လျားလွန်းလျှင် မော်ဒယ်လ်၏ စွမ်းဆောင်ရည်ကို ထိခိုက်နိုင်ပါတယ်။
• Sentiment သည် လူတစ်ဦးချင်းစီ၏ ခံစားချက်ပေါ်မူတည်၍ ကွဲပြားနိုင်တာမို့ labeling သည် subjective ဖြစ်နိုင်ပါတယ်။

နောက်ထပ်အချက်အလက်များ

• Dataset Curator (Dataset ပြုစုသူ): Kalix Louiis

• Licensing Information (လိုင်စင် အချက်အလက်): CC-BY-4.0

• Citation Information (ကိုးကားရန် အချက်အလက်):

  @misc{kalixlouiis_burmese_sentiment_analysis,
    author = {Kalix Louiis},
    title = {{Burmese Sentiment Analysis Dataset}},
    year = {2025},
    publisher = {Hugging Face},
    howpublished = {\url{https://huggingface.co/datasets/kalixlouiis/burmese-sentiment-analysis}}
  }
  

• Contact Information: Kalix Louiis