anon8231489123/Omegle_logs_dataset

该数据集包含约10,000条来自Omegle的对话，这些对话通过特定的方法从archive.org的cdx页面抓取，并经过了一系列的过滤处理，如移除包含特定词汇的对话、移除包含种族歧视言论的对话，并仅保留英文对话。数据集可能包含大量不适宜未成年人观看的内容，因此建议18岁以上的用户使用。该数据集可能对训练休闲对话AI有用，但可能需要进一步过滤。

原始信息汇总

数据集概述

数据来源

• 数据集包含约10,000次来自Omegle的对话。
• 通过访问http://web.archive.org/cdx/search/xd?url=logs.omegle.com/*&fl=timestamp,original,statuscode&output=json进行抓取。

数据处理

• 个人识别信息（PII）已通过搜索禁用词汇列表["kik", "telegram", "skype", "wickr", "discord", "dropbox", "insta ", "insta?", "instagram", "snap ", "snapchat"]进行移除。
• 含有种族歧视言论的对话已被移除。
• 仅保留英语对话。

数据内容警告

• 数据集仍包含大量（有时是极端的）不适合工作环境（NSFW）的内容。
• 未满18岁者不应查看或使用此数据集。

数据用途

• 该数据集可能适用于训练非正式对话AI，但可能仍需进一步过滤。
• 使用此数据集需自行承担风险。