d0rj/rudetoxifier_data

---
dataset_info:
features:
- name: text
dtype: string
- name: toxic
dtype: float64
splits:
- name: train
num_bytes: 27459998
num_examples: 163187
- name: test
num_bytes: 1762288
num_examples: 10000
download_size: 16406619
dataset_size: 29222286
license: mit
task_categories:
- text-classification
- text2text-generation
language:
- ru
multilinguality:
- monolingual
tags:
- toxicity
- style-transfer
pretty_name: RuDetoxifier data
size_categories:
- 100K<n<1M
source_datasets:
- original
paperswithcode_id: methods-for-detoxification-of-texts-for-the
---
# rudetoxifier_data

## Dataset Description

- **Homepage:** https://github.com/s-nlp/rudetoxifier
- **Repository:** https://github.com/s-nlp/rudetoxifier
- **Paper:** [Methods for Detoxification of Texts for the Russian Language](https://arxiv.org/abs/2105.09052)
- **Point of Contact:** [Daryna Dementieva](mailto:[e-mail])

Huggingface copy of Github repo with dataset.

原始信息汇总

数据集概述

基本信息

• 数据集名称： RuDetoxifier data
• 数据集大小： 100K<n<1M
• 数据集来源： 原始数据
• 语言： 俄语
• 多语言性： 单语种

特征信息

• 特征名称及类型：
  • text: string
  • toxic: float64

数据分割

• 训练集：
  • 示例数量：163187
  • 数据大小：27459998字节
• 测试集：
  • 示例数量：10000
  • 数据大小：1762288字节

下载信息

• 下载大小： 16406619字节
• 数据集总大小： 29222286字节

许可证

• 许可证类型： MIT

任务类别

• 文本分类
• 文本到文本生成

标签

• 毒性
• 风格转换