PeaceMabaila/setswana_new

Name: PeaceMabaila/setswana_new
Creator: PeaceMabaila
Published: 2026-04-28 12:34:04
License: 暂无描述

Hugging Face2026-04-28 更新2026-05-03 收录

下载链接：

https://hf-mirror.com/datasets/PeaceMabaila/setswana_new

下载链接

链接失效反馈

官方服务：

资源简介：

--- license: cc0-1.0 ---

提供机构：

PeaceMabaila

Setswana and Sepedi News Headlines

本研究针对南非的低资源语言Setswana和Sepedi，创建了专注于新闻标题的数据集。数据集由南非广播公司（SABC）的Thobela FM和Motsweding FM电台收集，共包含219条Setswana新闻标题和491条Sepedi新闻标题。创建过程中，研究团队从社交媒体和广播中收集数据，并进行了分类标注，将新闻标题分为法律、体育、政治等类别。该数据集旨在为这些低资源语言提供语言处理资源，

arXiv2020-03-31 更新30

Setswana Sentiment Dataset

该Setswana情感数据集是由比勒陀利亚大学等机构构建的一个低资源语言标注资源，专门针对南非官方语言Setswana的推特文本进行情感分析。数据集包含3,565条推文，由三位母语标注者进行多批次人工标注，涵盖积极、消极、中性等五类情感标签，其中有效分类数据达3,454条，数据来源于2021年至2022年间的公开推特API，并经过语言识别和匿名化处理。创建过程采用LightTag标注工具，分七批次

arXiv2026-05-27 更新20

setswana-offensive-977

Setswana冒犯性语言数据集（977）是一个用于二分类冒犯性语言检测任务的数据集，包含977个茨瓦纳语（使用于博茨瓦纳、南非和纳米比亚）的实例，其中477个为冒犯性语言，500个为非冒犯性语言。数据集采用80/20的保留协议进行分割，并在80%的训练数据上进行5折交叉验证。标注标签为0（非冒犯性）和1（冒犯性），标注者间一致性κ值为0.86，显示高度一致。数据集文件包括train.csv、te

Hugging Face2025-12-04 更新20

Setswana Corpus

I used my Extracting and Corpus Creation notebooks to create this corpus.

kaggle2025-12-25 更新70

setswana-sentiment

DSFSI Setswana Sentiment是一个用于情感分析的数据集，包含3,555条Setswana语（ISO 639-3: `tsn`）的Twitter推文，由三位母语为Setswana的标注者进行标注。数据集提供了完整的标注时间戳、语言识别元数据以及每位标注者的标签，支持下游建模和标注质量研究。数据集分为训练集（2,762条）、验证集（346条）、测试集（346条）和一个完整配置（3,

Hugging Face2026-04-23 更新00