Exqrch/IndoToxic2024

IndoToxic2024是一个在2024年印度尼西亚总统选举前后收集的印度尼西亚语数据集。数据来源于社交媒体，并由19位不同背景的注释者进行标注。该数据集支持的任务是围绕仇恨言论和有毒内容的文本分类。

IndoToxic2024 is an Indonesian dataset collected before and during the 2024 Indonesia presidential election, focusing on text classification tasks around hate speech and toxic content. The data are sourced from social media and annotated by 19 annotators with diverse backgrounds. The dataset includes two configurations: main and annotator, corresponding to different data files.

原始信息汇总

IndoToxic2024 数据集概述

基本信息

• 许可证: Apache 2.0
• 任务类别: 文本分类
• 语言: 印度尼西亚语
• 标签:
  • 仇恨言论分类
  • 毒性分类
  • 人口统计信息
• 数据规模: 10K<n<100K

配置

• 配置名称: main
  • 数据文件:
    • 分割: main
    • 路径: indotoxic2024_annotated_data.jsonl
• 配置名称: annotator
  • 数据文件:
    • 分割: annotator
    • 路径: indotoxic2024_annotator_data.jsonl

数据集描述

• 来源: 2024年印度尼西亚总统选举前后从社交媒体收集的数据。
• 标注: 由19位背景多样的标注者进行标注。
• 任务: 支持围绕仇恨言论和有毒内容的文本分类任务。

引用

• 文献:
  • 作者: Susanto, L., Wijanarko, M. I., Pratama, P. A., Hong, T., Idris, I., Aji, A. F., & Wijaya, D.
  • 标题: IndoToxic2024: A Demographically-Enriched Dataset of Hate Speech and Toxicity Types for Indonesian Language
  • 出版日期: 2024年6月27日
  • 来源: arXiv.org
  • URL: https://arxiv.org/abs/2406.19349