surrey-nlp/Cyberbullying-Detection-CB1

--- language: - en license: unknown task_categories: - text-classification task_ids: - multi-class-classification tags: - cyberbullying - hate-speech - social-media - twitter pretty_name: Cyberbullying Detection CB1 size_categories: - 10K<n<100K dataset_info: features: - name: tweet_text dtype: string - name: cyberbullying_type dtype: string splits: - name: train num_bytes: 5559974 num_examples: 35769 - name: validation num_bytes: 311587 num_examples: 2000 - name: test num_bytes: 1542394 num_examples: 9923 download_size: 4930386 dataset_size: 7413955 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* --- # Cyberbullying Detection — CB1 ## Dataset Description **CB1** is a multi-class text classification dataset for automated cyberbullying detection on social media. Each instance is a single social media post (sourced from Twitter/X) annotated with a cyberbullying category. This dataset is part of the **Cyberbullying-Detection** collection on Hugging Face. --- ## Dataset Structure ### Data Fields | Field | Type | Description | |-------|------|-------------| | `tweet_text` | `string` | Raw social media post text | | `cyberbullying_type` | `string` | Cyberbullying category (see label list below) | ### Label Classes | Label | Description | |-------|-------------| | `not_cyberbullying` | Posts that contain no cyberbullying content. Includes general social commentary, opinions, and everyday conversation that may be critical or sarcastic but does not target individuals or groups with harmful intent. | | `gender` | Posts that target individuals based on gender identity or sexual orientation. Includes harassment related to being male, female, non-binary, gay, lesbian, or transgender, as well as misogynistic and homophobic language. | | `religion` | Posts that attack, mock, or dehumanise individuals or communities based on their religious beliefs or affiliation. Includes targeting of Christians, Muslims, Hindus, Jews, and other faith groups | | `ethnicity` | Posts that demean or attack individuals based on their race or ethnic background. Includes the use of racial slurs and derogatory language directed at racial or ethnic minorities | | `age` | Posts that bully or demean individuals based on their age. Includes harassment targeting young people (e.g. school-age bullying) as well as mockery of older individuals. | | `other_cyberbullying` | Posts that constitute cyberbullying but do not fit neatly into the above categories. Includes general online harassment, trolling, and hostile behaviour not tied to a specific protected characteristic. | --- ## Dataset Splits The dataset is split as follows: | Split | Size | Description | |-------|------|-------------| | `train` | 75% of total | Training set | | `validation` | 2,000 rows | Development / validation set (sampled from the 25% held-out portion) | | `test` | Remaining ~25% minus 2,000 | Test set | ### Split Methodology ```python from sklearn.model_selection import train_test_split # Step 1: 75% train, 25% test+dev train_df, test_dev_df = train_test_split(df, test_size=0.25, random_state=42) # Step 2: 2000 rows for dev, rest for test dev_df = test_dev_df.sample(n=2000, random_state=42) test_df = test_dev_df.drop(dev_df.index) ``` --- ## Usage ```python from datasets import load_dataset dataset = load_dataset("Washii/Cyberbullying-Detection-CB1") # Access splits train = dataset["train"] validation = dataset["validation"] test = dataset["test"] # Example print(train[0]) # {'text': '...', 'label': 'ethnicity/race'} ``` --- ## Source Data The original data is sourced from **"[Cyberbullying Detection](https://www.kaggle.com/datasets/andrewmvd/cyberbullying-classification)"** dataset in Kaggle, containing tweets annotated for cyberbullying across multiple categories. The full raw file is `CB1.csv`. --- ## Citation If you use this dataset, please cite the original source appropriately. --- ## Dataset Card Authors Uploaded and curated by [Washii](https://huggingface.co/Washii).语言： - 英语 许可协议：未知 任务类别： - 文本分类 任务子类别： - 多类别分类 标签： - 网络欺凌 - 仇恨言论 - 社交媒体 - 推特（Twitter） 别名：网络欺凌检测CB1 样本规模区间：10K<n<100K 数据集信息： 特征： - 名称：tweet_text，数据类型：字符串 - 名称：cyberbullying_type，数据类型：字符串 划分集： - 名称：训练集，字节数：5559974，样本数：35769 - 名称：验证集，字节数：311587，样本数：2000 - 名称：测试集，字节数：1542394，样本数：9923 下载大小：4930386 数据集总大小：7413955 配置： - 配置名称：默认配置 数据文件： - 划分集：训练集，路径：data/train-* - 划分集：验证集，路径：data/validation-* - 划分集：测试集，路径：data/test-* # 网络欺凌检测——CB1 ## 数据集概述 **CB1**是一款面向社交媒体自动化网络欺凌检测的多类别文本分类数据集。每条数据样本均为单条社交媒体帖文（源自推特/X平台），并标注了对应的网络欺凌类别。 本数据集是Hugging Face平台上**Cyberbullying-Detection**数据集合集的组成部分。 --- ## 数据集结构 ### 数据字段 | 字段名 | 数据类型 | 描述 | |-------|------|-------------| | `tweet_text` | `string` | 原始社交媒体帖文文本 | | `cyberbullying_type` | `string` | 网络欺凌类别（详见下文标签列表） | ### 标签类别 | 标签 | 描述 | |-------|-------------| | `not_cyberbullying` | 未包含任何网络欺凌内容的帖文。涵盖一般性社会评论、个人观点及日常对话，此类内容可能带有批评或讽刺意味，但不存在针对个人或群体的恶意伤害行为。 | | `gender` | 基于性别身份或性取向对个体进行攻击的帖文。包括针对男性、女性、非二元性别群体、男同性恋、女同性恋或跨性别群体的骚扰行为，以及厌女症和恐同言论。 | | `religion` | 基于宗教信仰或宗教归属对个体或社群进行攻击、嘲讽或去人性化的帖文。包括针对基督徒、穆斯林、印度教徒、犹太教徒及其他信仰群体的相关行为。 | | `ethnicity` | 基于种族或族裔背景对个体进行贬低或攻击的帖文。包括使用种族蔑称和针对少数种族或族裔群体的贬损性语言。 | | `age` | 基于年龄对个体进行欺凌或贬低的帖文。包括针对青少年（例如校园欺凌）的骚扰行为，以及对年长群体的嘲讽行为。 | | `other_cyberbullying` | 属于网络欺凌范畴，但无法归入上述类别的帖文。包括未与特定受保护特征相关联的一般性网络骚扰、钓鱼式挑衅及敌对行为。 | --- ## 数据集划分 本数据集划分方式如下： | 划分集 | 规模 | 描述 | |-------|------|-------------| | `train` | 总样本的75% | 训练集 | | `validation` | 2000条数据 | 开发/验证集（从预留的25%样本中采样得到） | | `test` | 剩余约25%样本减去2000条 | 测试集 | ### 划分方法 python from sklearn.model_selection import train_test_split # 步骤1：按75%训练集、25%测试+开发集比例划分 train_df, test_dev_df = train_test_split(df, test_size=0.25, random_state=42) # 步骤2：从测试+开发集中采样2000条作为开发集，剩余作为测试集 dev_df = test_dev_df.sample(n=2000, random_state=42) test_df = test_dev_df.drop(dev_df.index) --- ## 使用方法 python from datasets import load_dataset dataset = load_dataset("Washii/Cyberbullying-Detection-CB1") # 访问各划分集 train = dataset["train"] validation = dataset["validation"] test = dataset["test"] # 示例 print(train[0]) # {'text': '...', 'label': 'ethnicity/race'} --- ## 源数据 本数据集的原始数据源自Kaggle平台上的**“网络欺凌检测”**数据集（链接：https://www.kaggle.com/datasets/andrewmvd/cyberbullying-classification），该数据集包含多类别标注的网络欺凌相关推特帖文。完整原始数据文件为`CB1.csv`。 --- ## 引用说明 若您使用本数据集，请按规范引用原始数据源。 --- ## 数据集卡片作者 本数据集卡片由[Washii](https://huggingface.co/Washii)上传并整理。

搜集汇总

数据集介绍

构建方式

在社交媒体内容分析领域，CB1数据集的构建遵循了系统化的数据采集与标注流程。该数据集源自Kaggle平台上的原始推文集合，通过精心设计的标注框架，将每条推文归类为特定的网络欺凌类别。构建过程中采用了分层抽样策略，确保各类别样本的均衡性，并利用随机分割方法将数据划分为训练集、验证集和测试集，其中训练集占总量的75%，验证集固定为2000条样本，其余部分作为测试集，从而为模型训练与评估提供了可靠的数据基础。

特点

CB1数据集在内容分类领域展现出鲜明的多维度特征。其标注体系涵盖了性别、宗教、种族、年龄及其他网络欺凌行为等多个敏感维度，并包含“非网络欺凌”类别，形成了精细化的分类框架。数据规模介于一万至十万条之间，具备足够的统计代表性，且所有文本均来源于真实的社交媒体平台，保留了原始的语言风格与语境信息。这种结构化的标注方案不仅支持多类别分类任务，还为研究网络欺凌的细分模式提供了丰富的语义资源。

使用方法

在自然语言处理应用中，CB1数据集可通过Hugging Face平台便捷加载。使用者只需调用`load_dataset`函数并指定数据集名称，即可访问训练、验证与测试三个子集。每个数据实例包含推文文本及其对应的欺凌类型标签，可直接用于文本分类模型的训练与评估。该数据集兼容常见的机器学习框架，支持端到端的模型开发流程，为网络欺凌检测算法的性能比较与优化提供了标准化的基准环境。

背景与挑战

背景概述

随着社交媒体平台的普及，网络欺凌现象日益凸显，对用户心理健康与社会安全构成严峻威胁。在此背景下，Cyberbullying-Detection-CB1数据集应运而生，由研究人员Washii基于Kaggle平台原始数据整理并发布于Hugging Face平台，专注于多类别文本分类任务。该数据集创建于社交媒体内容分析需求高涨的时期，核心研究问题在于自动化识别推特等平台中涉及性别、宗教、种族、年龄等维度的欺凌内容，旨在为自然语言处理领域提供标准化的评估基准，推动网络内容安全技术的发展，对计算社会科学与在线行为研究产生了显著影响。

当前挑战

网络欺凌检测领域面临诸多挑战，首要问题在于欺凌文本的语义模糊性与上下文依赖性，例如讽刺或隐喻表达常与普通言论混淆，导致模型误判。此外，数据标注过程需处理主观性与文化差异，标注者可能对欺凌意图存在分歧，影响标签一致性。构建数据集时，从原始社交媒体数据中筛选代表性样本并平衡各类别分布亦具难度，同时需确保用户隐私与数据合规性，避免敏感信息泄露。这些挑战共同制约了检测模型的准确性与泛化能力，亟待更精细的标注框架与跨领域方法突破。

常用场景

经典使用场景

在社交媒体内容安全分析领域，Cyberbullying-Detection-CB1数据集被广泛应用于多类别文本分类任务。研究者利用该数据集训练机器学习模型，以自动识别推特平台上的网络欺凌内容，涵盖性别、宗教、种族、年龄等具体欺凌类型。这一经典场景不仅推动了自然语言处理技术在有害内容检测方面的进展，还为在线社区管理提供了数据驱动的决策支持。

实际应用

在实际应用层面，该数据集支撑了社交媒体平台的实时内容审核系统开发。科技公司可基于训练模型自动过滤涉及性别歧视、种族仇恨等有害推文，辅助人工审核团队提升处理效率。教育机构亦利用相关技术监测校园网络环境，早期干预青少年网络欺凌事件，构建更安全的数字交流空间。

衍生相关工作

围绕该数据集衍生了多项经典研究工作，包括基于BERT的迁移学习模型CyberBERT、融合图神经网络的跨平台欺凌检测框架。这些工作不仅提升了多类别欺凌识别的准确率，还拓展至跨语言检测场景。部分研究进一步将标注体系与法律规范对接，为网络内容治理政策的制定提供了量化依据。