AdWeeb/kan_hope

KanHope数据集是一个用于希望言论检测的代码混合卡纳达语-英语数据集。数据集包含从YouTube评论部分抓取的6,176条用户生成的评论，这些评论被手动注释为包含希望言论或不包含希望言论。数据集支持的任务是多标签分类，特别是针对德拉威语（卡纳达语-英语）的代码混合文本。数据集的结构包括文本和标签两个字段，文本字段包含卡纳达语-英语混合的评论，标签字段为0或1，分别对应非希望言论和希望言论。数据集分为训练集、验证集和测试集。

原始信息汇总

数据集概述

数据集基本信息

• 名称: KanHope
• 语言: 多语言（英语和卡纳达语）
• 许可证: CC-BY-4.0
• 数据量: 1K<n<10K
• 来源: 原始数据
• 任务类型: 多标签文本分类
• 标签:
  • 0: Not-Hope
  • 1: Hope

数据集结构

• 特征:
  • text: 字符串类型，包含混合的卡纳达语-英语文本
  • label: 分类标签，整数类型，0表示Not-Hope，1表示Hope
• 数据分割:
  • 训练集: 4940个样本
  • 测试集: 618个样本

数据集创建

• 语言创建者: 众包
• 标注创建者: 专家生成
• 数据来源: YouTube用户评论
• 标注过程: 未详细说明
• 个人和敏感信息: 未详细说明

使用数据集的考虑

• 社会影响: 未详细说明
• 偏见讨论: 未详细说明
• 其他已知限制: 未详细说明