LHUThacSi/comment_mu

---

annotations_creators: - machine-generated language: - vi language_creators: - found license: cc-by-4.0 multilinguality: - monolingual pretty_name: MU Vietnamese Sentiment Dataset size_categories: - 10K<n<100K source_datasets: - original tags: - sentiment-analysis - vietnamese - football - manchester-united - youtube-comments task_categories: - text-classification task_ids: - sentiment-classification

MU Vietnamese Sentiment Dataset

Dataset Description

Bộ dữ liệu bình luận tiếng Việt về Manchester United được thu thập từ YouTube, phục vụ bài toán phân tích cảm xúc (Sentiment Analysis) trong domain bóng đá.

Dataset Summary

Đây là bộ dữ liệu đầu tiên tập trung vào bình luận của người hâm mộ Manchester United bằng tiếng Việt, bao gồm các bình luận từ các kênh bóng đá uy tín tại Việt Nam trong giai đoạn 2021–2026.

Supported Tasks

• Text Classification / Sentiment Analysis: Phân loại cảm xúc bình luận thành 3 nhãn: positive, negative, neutral

Languages

• Tiếng Việt (vi)

---

Dataset Structure

Data Fields

Field	Type	Description
text	string	Nội dung bình luận gốc
sentiment	string	Nhãn cảm xúc: positive, negative, neutral
sample_group	string	Nhóm lấy mẫu: keyword hoặc random
created_at	string	Thời gian đăng bình luận (ISO format)
video_title	string	Tiêu đề video YouTube
channel	string	Kênh YouTube nguồn
likes	int	Số lượt thích bình luận

Data Splits

Split	Size
Train	13,200 (80%)
Test	3,300 (20%)
Total	16,500

Label Distribution

Label	Count	Percentage
negative	6,628	40.2%
positive	4,954	30.0%
neutral	4,918	29.8%

---

Dataset Creation

Source Data

Dữ liệu được thu thập từ YouTube Data API v3 trong giai đoạn 2021–2026, bao gồm:

• Bình luận từ các kênh bóng đá tiếng Việt (BĐTV, 90phut, ON Football...)
• Bình luận từ video highlight, phân tích trận đấu, tin tức chuyển nhượng liên quan đến Manchester United

Annotation Process

Nhãn cảm xúc được gán tự động bằng Claude API (claude-haiku-4-5) theo phương pháp silver labeling:

• Positive: Bình luận thể hiện sự ủng hộ, khen ngợi, vui mừng về MU hoặc cầu thủ
• Negative: Bình luận thể hiện sự thất vọng, chỉ trích, chê bai MU hoặc cầu thủ
• Neutral: Bình luận mang tính thông tin, hỏi đáp, không rõ cảm xúc

Prompt được thiết kế bao gồm ngữ cảnh domain bóng đá và danh sách slang đặc trưng của cộng đồng fan MU Việt Nam (ví dụ: "ra hang" = MU thua, "bệu" = biệt danh MU, "man đần" = cách gọi chế).

Sampling Strategy

Dữ liệu được lấy mẫu theo chiến lược kết hợp:

• Keyword-based (60-80%): Lọc các bình luận chứa từ khoá đặc trưng (MU, quỷ đỏ, ra hang, Amorim, Carrick...)
• Random (20-40%): Lấy ngẫu nhiên để đảm bảo tính đại diện

---

Usage

from datasets import load_dataset

ds = load_dataset("LHUThacSi/comment_mu")

# Xem data
print(ds["train"][0])
# {
#   "text": "MU mùa này đá hay quá, thích lắm!",
#   "sentiment": "positive",
#   ...
# }

# Dùng với PhoBERT fine-tuned
from transformers import pipeline
clf = pipeline("text-classification", model="LHUThacSi/phobert-mu-sentiment")
clf("MU mùa này ra hang quá, chán thật")
# [{"label": "negative", "score": 0.92}]

---

Related Models

• LHUThacSi/phobert-mu-sentiment: PhoBERT-large fine-tuned trên dataset này, đạt Macro F1 = 0.734

---

Limitations

• Dữ liệu phân bổ không đều theo thời gian (tập trung 2025–2026)
• Nhãn được gán tự động bằng LLM, không phải nhãn thủ công hoàn toàn
• Slang và teencode tiếng Việt có thể ảnh hưởng đến chất lượng nhãn
• Chỉ bao gồm bình luận tiếng Việt, không có bình luận tiếng Anh

---

Citation

@misc{pham2026mu,
  author       = {Pham, Minh Luan},
  title        = {{MU Vietnamese Sentiment Dataset}:
                  A Vietnamese Sentiment Analysis Dataset
                  for Manchester United Football Comments},
  year         = {2026},
  howpublished = {\url{https://huggingface.co/datasets/LHUThacSi/comment_mu}},
  note         = {Accessed: March 2026.
                  Lac Hong University, Vietnam}
}

---

Contact

• Author: Phạm Minh Luân
• Institution: Trường Đại học Lạc Hồng
• HuggingFace: LHUThacSi