PrevenIA/spanish-suicide-intent

该数据集包含来自多个来源的评论，这些评论被翻译成西班牙语并分类为自杀意念/行为和非自杀。数据集的结构包括文本、标签和数据集来源字段。数据集的创建过程涉及多个来源的数据整合，包括Kaggle、GitHub和其他研究论文。使用该数据集时需要考虑其社会影响和潜在的偏见。

原始信息汇总

数据集概述

该数据集包含从多个来源翻译成西班牙语的评论，并分类为自杀意念/行为和非自杀。

数据集结构

数据集包含175010行（77223行被视为自杀意念/行为，97787行被视为非自杀）。

数据集字段

• Text: 用户评论。
• Label: 1表示自杀意念/行为；0表示非自杀评论。
• Dataset: 评论的来源。

数据集创建

数据集来源包括：

• 112385条（84485条非自杀，27905条自杀）来自Suicide Watch数据集。
• 46894条（46894条自杀）来自TwitterSuicidalAnalysis。
• 9919条（9183条非自杀，736条自杀）来自Hackaton Somos NLP生成的语料库。
• 8744条（4802条非自杀，3942条自杀）来自论文An Attention-based hybrid architecture with explainability for depressive social media text detection in Bangla。
• 7084条（3559条非自杀，3525条自杀）来自论文Supervised Learning for Suicidal Ideation Detection in Online User Content。
• 1972条（1540条非自杀，432条自杀）来自论文Detection of Suicidal Intent in Spanish Language Social Networks using Machine Learning。
• 1769条（1122条非自杀，647条自杀）来自语料库Suicidal Tweet Detection。
• 316条（204条非自杀，112条自杀）来自论文Data Mining Approach to the Detection of Suicide in Social Media: A Case Study of Singapore。

使用数据的注意事项

数据集的社会影响

该数据集可能包含一些检测自杀意念/行为的模式。

偏见讨论

没有采取措施来估计数据集中嵌入的偏见和毒性。然而，大部分数据收集自Reddit、Twitter和ChatGPT。因此，可能存在年龄偏见，因为互联网更多地被年轻人使用。