jtatman/pippa_deduped_detoxify_score

该数据集是通过使用Detoxify工具处理PygmalionAI/PIPPA数据集（去重版本）生成的。初步审查发现了一些异常情况，如内容未标记为毒性、错误标记为毒性、高分标记但内容不具毒性、明显冒犯性内容未标记等。尽管如此，大部分数据被认为是准确的，因此发布了此版本，并计划未来进行更新和改进。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: Apache 2.0
• 数据规模: 10K<n<100K
• 任务类别: 文本分类, 特征提取
• 美观名称: pippa_detoxify_scores

数据集信息

• 特征:
  • conversations: 字符串
  • toxicity: 浮点数 (float64)
  • severe_toxicity: 浮点数 (float64)
  • obscene: 浮点数 (float64)
  • threat: 浮点数 (float64)
  • insult: 浮点数 (float64)
  • identity_attack: 浮点数 (float64)
• 分割:
  • train: 4188597 字节, 15298 样本
• 下载大小: 2110062 字节
• 数据集大小: 4188597 字节

配置

• 配置名称: default
• 数据文件:
  • 分割: train
  • 路径: data/train-*

标签

• detoxify
• not-for-all-audiences
• sentiment analysis
• toxic chat