Hate Speech and Offensive Language

HSOL 是用于仇恨言论检测的数据集。作者从仇恨言论词典开始，其中包含被互联网用户识别为仇恨言论的单词和短语，由 Hatebase.org 编译。他们使用 Twitter API 搜索包含词典中术语的推文，从而产生了来自 33,458 位 Twitter 用户的推文样本。他们为每个用户提取了时间线，产生了一组 8540 万条推文。他们从这个语料库中随机抽取了 25k 条推文样本，其中包含词典中的术语，并由 CrowdFlower (CF) 工作人员手动编码。工人们被要求将每条推文标记为以下三类之一：仇恨言论、冒犯性但非仇恨言论或既非冒犯性又非仇恨言论。