Wikipedia 发布 WikiDetox 数据集, 应用在 自然语言处理、仇恨言论检测 领域

Wikipedia 本次发布的数据集 WikiDetox, 该数据集来源于维基百科的讨论页面，包含了被标记为“中性”或“仇恨性”的样本。每个样本都是对维基百科讨论页面的编辑，被分类为“中性”或“仇恨性”。该数据集的规模包括95,692个训练样本，32,128个开发样本以及31,866个测试样本，其任务是进行仇恨言论检测。

查看WikiDetox

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。