发布 Bengali Toxic Comments Dataset 数据集, 应用在 自然语言处理、文本分类 领域

本次发布的数据集 Bengali Toxic Comments Dataset, 该数据集包含16,073个孟加拉语评论实例，这些评论被手动标注为有毒和无毒两类。有毒评论进一步细分为六个子类别：粗俗、仇恨、宗教、威胁、恶意挑衅和侮辱。该数据集由专业标注员手动分类，确保了高质量的数据标注，对于有毒和无毒类别，其平均kappa分数达到了0.96。规模上，数据集包含了16,073个实例，任务是对有毒评论进行多标签分类。

查看Bengali Toxic Comments Dataset

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。