valurank/hate-multi

该数据集包含一组被标记为仇恨言论（类别1）或非仇恨言论（类别0）的文本。This dataset consists of a collection of texts labeled as hate speech (class 1) or non-hate speech (class 0).

原始信息汇总

数据集概述

数据集基本信息

• 名称: hate-multi
• 语言: 英语
• 许可证: 其他
• 多语言性: 单语
• 大小: 10K<n<100K
• 来源: 衍生自多个数据集
• 任务类别: 文本分类

数据集描述

数据集总结

• 内容: 包含被标记为仇恨言论（类别1）或非仇恨言论（类别0）的文本集合。

数据集创建

源数据

• 数据集1: hate_speech18 - 过滤掉标记为idk/skip, relation的例子。
• 数据集2: hate_speech_offensive - 文本清理包括小写化、移除提及和URL。丢弃标记为offensive language的实例。
• 数据集3: ucberkeley-dlab/measuring-hate-speech - 文本清理包括小写化、移除提及和URL。丢弃标记为hatespeech == 1的实例。