d0rj/rudetoxifier_data_detox

这是一个来自[d0rj/rudetoxifier_data](https://huggingface.co/datasets/d0rj/rudetoxifier_data)的有毒评论子集，这些评论已经通过[s-nlp/ruT5-base-detox](https://huggingface.co/s-nlp/ruT5-base-detox)模型进行了去毒处理。数据集包含文本、毒性评分和去毒后的文本三个特征，分为训练集和测试集，分别包含31407和10000个例子。数据集的总大小为10914843字节，下载大小为6182785字节。数据集适用于文本到文本生成任务，主要针对俄语，属于单语言数据集，标签包括毒性和风格转换。

数据集信息：
特征字段：
- 字段名：文本（text），数据类型：字符串（string）
- 字段名：毒性评分（toxic），数据类型：双精度浮点数（float64）
- 字段名：去毒后文本（detox），数据类型：字符串（string）
数据集划分：
- 划分集名称：训练集（train），字节数：8268013，样本数量：31407
- 划分集名称：测试集（test），字节数：2646830，样本数量：10000
下载大小：6182785 字节
数据集总大小：10914843 字节
许可证：MIT 许可证
任务类别：文本到文本生成（text2text-generation）
语言：俄语（ru）
多语言属性：单语言（monolingual）
标签：毒性检测（toxicity）、风格迁移（style-transfer）
可读名称：RuDetoxifier 数据 - 去毒版本
样本规模分类：10K<n<100K
源数据集：d0rj/rudetoxifier_data

# rudetoxifier_data_detox

本数据集为源数据集[d0rj/rudetoxifier_data](https://huggingface.co/datasets/d0rj/rudetoxifier_data)中的有毒评论子集，新增了由[s-nlp/ruT5-base-detox](https://huggingface.co/s-nlp/ruT5-base-detox)生成的去毒后文本列。

原始信息汇总

数据集概述

基本信息

• 名称: RuDetoxifier data - Detoxed
• 许可证: MIT
• 语言: 俄语 (ru)
• 多语言性: 单语种
• 标签:
  • 毒性
  • 风格转换

数据结构

• 特征:
  • text: 文本，数据类型为字符串
  • toxic: 毒性，数据类型为浮点数
  • detox: 解毒，数据类型为字符串

数据分割

• 训练集:
  • 示例数量: 31407
  • 字节数: 8268013
• 测试集:
  • 示例数量: 10000
  • 字节数: 2646830

数据大小

• 下载大小: 6182785字节
• 数据集大小: 10914843字节
• 规模类别: 10K<n<100K

任务类别

• 文本到文本生成

来源数据集

• d0rj/rudetoxifier_data