incivility-UOH/TwitCivility

TwitCivility数据集专门用于政治不文明行为的分类，特别关注不礼貌和不宽容的多维方面。数据集的文本为英文，包含三个字段：text（经过预处理和匿名化的推文文本）、impoliteness（表示文本中是否存在不礼貌行为的二进制指标）和intolerance（表示文本中是否存在不宽容行为的二进制指标）。数据集分为训练集和测试集，分别包含10498和2626个样本。

原始信息汇总

数据集概述

TwitCivility数据集专门用于分类政治不文明行为，重点关注不礼貌和不容忍的多维方面。

语言

所有文本均为英文。

数据集结构

数据字段

数据集以数据框形式发布，包含以下字段：

• text: 包含经过预处理和匿名化处理的推文文本。
• impoliteness: 二进制指示符（1或0），表示文本中是否存在不礼貌。1表示不礼貌，0表示非不礼貌。
• intolerance: 同样为二进制值，表示文本中是否存在不容忍。1表示不容忍，0表示非不容忍。

数据集信息

特征

• text: 数据类型为字符串。
• impoliteness: 数据类型为int64。
• intolerance: 数据类型为int64。

数据分割

• train: 训练集，包含2169574.4014020115字节，10498个样本。
• test: 测试集，包含542703.5985979884字节，2626个样本。

数据大小

• 下载大小: 1726706字节
• 数据集大小: 2712278字节

任务类别

• 文本分类

引用信息

@misc{incivility2023, title={Detecting Multidimensional Political Incivility on Social Media}, author={Sagi Pendzel and Nir Lotan and Alon Zoizner and Einat Minkov}, year={2023}, eprint={2305.14964}, archivePrefix={arXiv}, primaryClass={cs.CL} }