HamdanXI/paradetox-1Token-Split

该数据集包含英文有毒评论、英文中性评论、编辑操作序列和掩码评论四个主要特征。数据集分为训练集、验证集和测试集，分别包含3784、811和811个样本。数据集的下载大小为632132字节，总大小为1101215.0字节。

The dataset includes four main features: en_toxic_comment (English toxic comments), en_neutral_comment (English neutral comments), edit_ops (edit operations), and masked_comment (masked comments). The dataset is divided into three parts: train, validation, and test, each with corresponding byte sizes and example counts. Additionally, the download size and actual size of the dataset are provided.

原始信息汇总

数据集概述

特征信息

• en_toxic_comment: 类型为字符串。
• en_neutral_comment: 类型为字符串。
• edit_ops: 类型为字符串序列。
• masked_comment: 类型为字符串。

数据分割

• 训练集 (train): 包含3784个样本，大小为770809.759526452字节。
• 验证集 (validation): 包含811个样本，大小为165202.62023677395字节。
• 测试集 (test): 包含811个样本，大小为165202.62023677395字节。

数据集大小

• 下载大小: 632132字节。
• 数据集总大小: 1101215.0字节。

配置信息

• 默认配置 (default)
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*