strombergnlp/dkstance

这是一个丹麦语的SDQC立场标注的Reddit数据集，生成于一个论文项目中。数据集包含超过5000条评论，这些评论以评论树的形式组织，并链接到33个源帖子。该数据集适用于监督式立场分类和谣言真实性预测任务。数据集的创建背景是为了支持丹麦语的谣言和立场分析，数据来源于Reddit帖子，涉及特定的新闻故事。注释过程通过一个专门构建的界面进行，注释者主要是20-30岁的丹麦男性高等教育学生。数据集存在一定的社会影响和偏见，主要来源于年轻白人男性的观点。

原始信息汇总

数据集概述

数据集名称

• 名称: DAST / dkstance
• 别名: DAST

数据集描述

• 语言: 丹麦语 (da)
• 许可证: CC-BY-4.0
• 多语言性: 单语种
• 大小类别: 1K<n<10K
• 源数据集: 原始数据
• 任务类别: 文本分类
• 任务ID: 事实核查
• 标签: 立场检测

数据集内容

• 数据集摘要: 这是一个丹麦语的SDQC立场标注Reddit数据集，包含超过5000条评论，结构化为评论树，并链接到33个源帖子。适用于监督立场分类和谣言真实性预测。
• 支持的任务和排行榜: 立场预测

数据集结构

• 数据实例: 示例包括id, native_id, text, parent_id, parent_text, parent_stance, source_id, source_text, source_stance等字段。
• 数据字段: 包括评论和源帖子的文本及立场标注。
• 数据分割: 训练集3122条，验证集1066条，测试集1060条。

数据集创建

• 筛选理由: 用于丹麦语中的谣言和立场分析。
• 源数据: 来自Reddit帖子，与特定新闻故事相关。
• 标注过程: 通过专门构建的界面进行多用户标注。
• 标注者: 年龄20-30岁，男性，白人北欧，丹麦语母语，高等教育学生。

使用数据集的考虑

• 社会影响: 存在用户删除内容的风险，数据未经内容审查，可能包含有害文本。
• 偏见讨论: 数据源主要为年轻白人男性，限制了语言风格、讨论内容和观点的多样性。

附加信息

• 数据集管理员: 论文作者。
• 许可证信息: 根据CC-BY 4.0许可证分发。
• 引用信息: 提供详细的引用格式。