illegal_web

kaggle2026-05-12 更新2026-06-17 收录

网络内容审核

多模态分类

数据链接：

https://www.kaggle.com/datasets/sahalmaghfud/illegal-web 数据链接链接失效反馈

官方服务：

资源简介：

Dataset Multimodal untuk Klasifikasi Konten Situs Web Ilegal

用于非法网站内容分类的多模态（Multimodal）数据集

创建时间：

2026-05-12

Finnish-NLP/CulturaX_fi_cleaned

网络内容审核

自然语言处理

--- dataset_info: features: - name: text dtype: string - name: timestamp dtype: string - name: url dtype: string - name: source dtype: string - name: label_identity_attack

Hugging Face2023-12-23 更新460

MUG: a Multimodal Classification Benchmark on Game Data with Tabular, Textual, and Visual Fields

多模态分类

游戏数据

The data used in this benchmark is collected from the Internet, and can only be used for research purposes. License: CC BY-NC 4.0

DataCite Commons2023-01-31 更新150

wentingzhao/test-info-cleaned

网络内容审核

用户行为分析

--- dataset_info: features: - name: content dtype: string - name: country dtype: string - name: hashed_ip dtype: string - name: header struct: - name: accept-language

Hugging Face2024-05-22 更新150

Uddessho

多模态分类

低资源自然语言处理

Uddessho数据集由艾哈迈德·沙希德·苏赫拉瓦尔迪大学创建，专门用于低资源孟加拉语中的多模态作者意图分类。该数据集包含3048条从社交媒体平台（如Facebook、X和Instagram）收集的帖子，涵盖六个类别：信息性、倡导性、推广性、展示性、表达性和争议性。数据集的创建过程包括手动收集和标注，确保了数据的质量和一致性。该数据集主要用于解决在低资源语言环境中，通过结合文本和图像信息来准确分类

arXiv2024-09-15 更新160

Arsive/toxicity_classification_jigsaw

文本分类

网络内容审核

该数据集包含大量来自Wikipedia的评论，这些评论被人工标注为有毒行为。毒性类型包括：有毒、严重有毒、淫秽、威胁、侮辱和身份仇恨。训练数据集是从原始数据集中采样得到的，确保干净和有毒类别的样本数量相等。数据集创建过程包括从原始数据集中读取数据，筛选出有毒和干净的评论，并进行采样和合并。最后，数据集被分为训练集和验证集。

Hugging Face2023-10-03 更新150

illegal_web

资源简介：

相关数据集