GitHub 发布 Dirty 数据集, 应用在 文本分类、毒性检测 领域

GitHub 本次发布的数据集 Dirty, 该数据集是一个GitHub仓库，其中包含了2500句中文有毒句子，这些句子包含了侮辱性和性相关的词汇。

查看Dirty

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。