Finnish-NLP/mc4_3.1.0_fi_cleaned
收藏官方服务：
资源简介：
该数据集包含文本、时间戳、URL等特征，以及用于分类的多个标签，如身份攻击、侮辱、淫秽、严重毒性、威胁和毒性。数据集分为训练集和验证集，分别有26468761和26149个例子。
该数据集包含文本、时间戳、URL等特征，以及用于分类的多个标签，如身份攻击、侮辱、淫秽、严重毒性、威胁和毒性。数据集分为训练集和验证集，分别有26468761和26149个例子。
提供机构：
Finnish-NLP原始信息汇总
数据集概述
数据集名称
- 名称：mc4_3.1.0_fi_cleaned
数据集特征
- text：文本，数据类型为字符串。
- timestamp：时间戳，数据类型为时间戳（秒）。
- url：网址，数据类型为字符串。
- perplexity_kenlm：困惑度（kenlm），数据类型为整数。
- label_identity_attack：身份攻击标签，数据类型为浮点数。
- label_insult：侮辱标签，数据类型为浮点数。
- label_obscene：淫秽标签，数据类型为浮点数。
- label_severe_toxicity：严重毒性标签，数据类型为浮点数。
- label_threat：威胁标签，数据类型为浮点数。
- label_toxicity：毒性标签，数据类型为浮点数。
数据集分割
- train：训练集，包含26468761个样本，总大小为103354369732字节。
- validation：验证集，包含26149个样本，总大小为101931416字节。
数据集大小
- 下载大小：7141130482字节
- 数据集总大小：103456301148字节
