systemk/c4-toxic

--- dataset_info: features: - name: text dtype: string - name: toxic dtype: bool - name: hate dtype: bool - name: sexual dtype: bool - name: harassment dtype: bool - name: violence dtype: bool - name: self_harm dtype: bool splits: - name: train num_bytes: 113384085 num_examples: 11983 download_size: 59413174 dataset_size: 113384085 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据集特征

• text: 数据类型为字符串。
• toxic: 数据类型为布尔值。
• hate: 数据类型为布尔值。
• sexual: 数据类型为布尔值。
• harassment: 数据类型为布尔值。
• violence: 数据类型为布尔值。
• self_harm: 数据类型为布尔值。

数据集分割

• train: 包含11983个样本，占用113384085字节。

数据集大小

• 下载大小: 59413174字节。
• 数据集大小: 113384085字节。

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*