ptaszynski/cdt

该数据集名为cdt，主要用于文本分类任务，特别是情感分类中的网络欺凌检测。数据集包含波兰语的推文，每条推文被标记为是否包含网络欺凌内容。数据集分为训练集和测试集，训练集包含10041个样本，测试集包含1000个样本。

原始信息汇总

数据集概述

• 名称: cdt
• 语言: 波兰语 (pl)
• 许可证: BSD-3-Clause
• 多语言性: 单语种
• 大小: 10K<n<100K
• 源数据: 原始数据
• 任务类别: 文本分类
• 任务ID: 情感分类

数据集结构

• 特征:

  • sentence: 字符串类型，匿名的波兰语推文
  • target: 分类标签，0表示非欺凌，1表示欺凌

• 数据分割:

  • 训练集: 10041个样本，总大小1104314字节
  • 测试集: 1000个样本，总大小109677字节

• 下载大小: 649329字节

• 数据集总大小: 1213991字节

数据集创建

• 注释创建者: 专家生成
• 语言创建者: 其他

许可证信息

• 许可证: BSD 3-Clause