Rhma/CONAN|仇恨言论数据集|机器学习数据集

hugging_face2024-05-15 更新2024-06-12 收录

仇恨言论

机器学习

下载链接：

https://hf-mirror.com/datasets/Rhma/CONAN

下载链接

链接失效反馈

资源简介：

该数据集包含多个特征字段，如cn_id、hateSpeech、counterSpeech、hsType、hsSubType、cnType、age、gender和educationLevel。这些字段分别代表不同的数据类型，如字符串和浮点数。数据集包含一个名为train的分割，其中包含14988个示例，总大小为4432994字节。下载大小为696348字节。数据集的配置名为default，数据文件路径为data/train-*。

提供机构：

Rhma

原始信息汇总

数据集概述

数据集特征

cn_id: 数据类型为字符串
hateSpeech: 数据类型为字符串
counterSpeech: 数据类型为字符串
hsType: 数据类型为字符串
hsSubType: 数据类型为字符串
cnType: 数据类型为字符串
age: 数据类型为浮点数
gender: 数据类型为字符串
educationLevel: 数据类型为字符串

数据集分割

训练集:
- 数据大小: 4432994 字节
- 示例数量: 14988

数据集大小

下载大小: 696348 字节
总数据集大小: 4432994 字节

配置

默认配置:
- 数据文件路径: data/train-*

AI搜集汇总

数据集介绍

构建方式

Rhma/CONAN数据集的构建基于对网络上的仇恨言论及其对应的反驳言论的系统收集与整理。数据集通过自动化工具和人工审核相结合的方式，从多个公开社交媒体平台和论坛中提取相关数据。每条记录包含仇恨言论、反驳言论、仇恨言论类型及其子类型、反驳言论类型、以及发布者的年龄、性别和教育水平等信息。这种多维度的数据结构旨在为研究者提供丰富的上下文信息，以支持更深入的分析和模型训练。

使用方法

Rhma/CONAN数据集适用于多种自然语言处理和机器学习任务，包括但不限于仇恨言论检测、反驳言论生成和社交媒体用户行为分析。研究者可以通过加载数据集的训练部分进行模型训练，利用数据集提供的多维度特征进行特征工程和模型优化。数据集的结构化设计使得数据预处理和特征提取过程相对简便，适合不同技术背景的研究者使用。此外，数据集的下载和使用均遵循开源许可，确保了其广泛的应用和传播。

背景与挑战

背景概述

在当今数字化社会中，网络仇恨言论的泛滥已成为一个严峻的社会问题。Rhma/CONAN数据集由Rhma研究团队于近期创建，旨在通过提供一个包含中文仇恨言论及其反驳言论的数据集，推动对这一问题的深入研究。该数据集不仅包含了仇恨言论的文本内容，还详细记录了其类型、子类型以及相应的反驳言论类型，为研究人员提供了一个全面的数据资源。此外，数据集还涵盖了用户的基本信息，如年龄、性别和教育水平，这些信息有助于更细致地分析仇恨言论的传播机制及其社会影响。Rhma/CONAN数据集的发布，标志着在仇恨言论研究领域迈出了重要一步，为未来的研究提供了坚实的基础。

当前挑战

尽管Rhma/CONAN数据集在仇恨言论研究领域具有重要意义，但其构建过程中仍面临诸多挑战。首先，仇恨言论的定义和分类标准在不同文化和语境中存在差异，这增加了数据标注的复杂性。其次，数据集的多样性和代表性问题也是一个重要挑战，如何确保数据集能够全面反映不同社会群体的仇恨言论及其反驳言论，是一个亟待解决的问题。此外，数据集中的用户信息虽然提供了额外的分析维度，但也引发了隐私保护和数据安全的问题。这些挑战不仅影响了数据集的质量和可用性，也对后续研究提出了更高的要求。

常用场景

经典使用场景

在自然语言处理领域，Rhma/CONAN数据集的经典使用场景主要集中在仇恨言论检测与反驳生成任务上。该数据集通过提供仇恨言论及其对应的反驳言论，为研究者提供了一个丰富的资源库，用于训练和评估模型在识别和应对网络仇恨言论方面的能力。

解决学术问题

Rhma/CONAN数据集解决了在社交媒体和在线论坛中普遍存在的仇恨言论检测与管理问题。通过提供详细的仇恨言论及其反驳样本，该数据集为学术界提供了一个标准化的测试平台，推动了相关算法的发展，从而提高了仇恨言论检测的准确性和反驳策略的有效性。

实际应用

在实际应用中，Rhma/CONAN数据集被广泛用于开发和优化社交媒体平台的仇恨言论过滤系统。通过训练基于该数据集的模型，平台可以更有效地识别和处理仇恨言论，从而提升用户体验，维护社区的健康环境。

数据集最近研究

最新研究方向

在社交媒体和网络环境中，仇恨言论的识别与反制已成为一个紧迫的研究课题。Rhma/CONAN数据集聚焦于这一领域，提供了丰富的仇恨言论及其对应的反制言论样本，为研究者提供了宝贵的资源。当前，该数据集的前沿研究方向主要集中在开发高效的仇恨言论检测模型，以及设计智能化的反制策略。这些研究不仅有助于提升网络环境的和谐度，还能为政策制定者提供科学依据，推动相关法律法规的完善。

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国1km分辨率逐月降水量数据集（1901-2023）

该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

中国交通事故深度调查（CIDAS）数据集

交通事故深度调查数据通过采用科学系统方法现场调查中国道路上实际发生交通事故相关的道路环境、道路交通行为、车辆损坏、人员损伤信息，以探究碰撞事故中车损和人伤机理。目前已积累深度调查事故10000余例，单个案例信息包含人、车、路和环境多维信息组成的3000多个字段。该数据集可作为深入分析中国道路交通事故工况特征，探索事故预防和损伤防护措施的关键数据源，为制定汽车安全法规和标准、完善汽车测评试验规程、

北方大数据交易中心收录

ChinaTravel

ChinaTravel是由南京大学国家重点实验室开发的一个真实世界基准数据集，专门用于评估语言代理在中国旅行规划中的应用。该数据集涵盖了中国10个最受欢迎城市的旅行信息，包括720个航班和5770趟列车，以及3413个景点、4655家餐厅和4124家酒店的详细信息。数据集通过问卷调查收集用户需求，并设计了一个可扩展的领域特定语言来支持自动评估。ChinaTravel旨在解决复杂的真实世界旅行规划问题，特别是在多兴趣点行程安排和用户偏好满足方面，为语言代理在旅行规划中的应用提供了重要的测试平台。

arXiv 收录

Breast Ultrasound Images (BUSI)

小型（约500×500像素）超声图像，适用于良性和恶性病变的分类和分割任务。

github 收录

Titanic Dataset

Titanic Data Analysis: A Journey into Passenger Profiles and Survival Dynamics

kaggle 收录