PTT 发布 TOCP 数据集, 应用在 自然语言处理、文本分类 领域

PTT 本次发布的数据集 TOCP, 该数据集是为了检测和改写中文侮辱性语言而创建的，包含来自PTT论坛的超过16,000个句子和17,000个侮辱性表达。需要注意的是，由于文化差异，这个数据集可能无法完全代表中国大陆地区的侮辱性语言使用情况。规模上，该数据集拥有超过16,000个句子，其任务旨在进行侮辱性语言的检测和改写。

查看TOCP

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。