该数据集是为学生的学士论文工作创建的，主要用于通过性别进行作者分析。数据集包含Twitter（X）帖子，严格遵循“每个作者仅出现一次”的约束，确保每条推文对应唯一的作者。这种设计消除了作者层面的累积效应，防止模型利用同一作者的重复风格或行为信号。数据集结构包括tweet_id（字符串）、gender（分类标签，'0'表示男性，'1'表示女性）和text（字符串）三个字段。适用于文本分类、情感分析、

Hugging Face2026-03-02 更新130

GENTER

性别分类

实体识别

该数据集通过遮蔽代词将名字与性别关联起来，其中包含了用于评估的性别化遮蔽词对。其任务是进行性别分类。

arXiv90