klamas/russian-toxic

--- license: mit configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* dataset_info: features: - name: text dtype: string - name: label dtype: class_label: names: '0': negative '1': positive splits: - name: train num_bytes: 65009575.70216127 num_examples: 278021 - name: test num_bytes: 16252569.297838729 num_examples: 69506 download_size: 45469780 dataset_size: 81262145 task_categories: - text-classification language: - ru tags: - russian - toxic - classification size_categories: - 100K<n<1M --- # Russian toxic text datasets This datasets is a merge of - [AlexSham/Toxic_Russian_Comments](https://huggingface.co/datasets/AlexSham/Toxic_Russian_Comments) - [marriamaslova/toxic_dvach](https://huggingface.co/datasets/marriamaslova/toxic_dvach) - [textdetox/multilingual_toxicity_dataset](https://huggingface.co/datasets/textdetox/multilingual_toxicity_dataset) - Parsed toxic and non toxic texts from VK Stream API There is more than 300k toxic and non toxic comments С правильными лейблами--- 许可证：MIT 配置项： - 配置名称：默认配置 数据文件： - 拆分方式：训练集 路径：data/train-* - 拆分方式：测试集 路径：data/test-* 数据集信息： 特征项： - 特征名称：文本（text） 数据类型：字符串 - 特征名称：标签（label） 数据类型：类别标签 类别映射： '0': 负面（negative） '1': 正面（positive） 数据拆分： - 拆分名称：训练集 字节大小：65009575.70216127 样本数量：278021 - 拆分名称：测试集 字节大小：16252569.297838729 样本数量：69506 下载大小：45469780字节 数据集总大小：81262145字节 任务类别：文本分类（text-classification） 语言：俄语（ru） 标签：俄语（russian）、恶意（toxic）、分类（classification） 样本规模类别：10万<n<100万 --- # 俄语恶意文本数据集 本数据集整合了以下数据源： - [AlexSham/Toxic_Russian_Comments](https://huggingface.co/datasets/AlexSham/Toxic_Russian_Comments) - [marriamaslova/toxic_dvach](https://huggingface.co/datasets/marriamaslova/toxic_dvach) - [textdetox/multilingual_toxicity_dataset](https://huggingface.co/datasets/textdetox/multilingual_toxicity_dataset) - 从VK Stream API解析得到的恶意（toxic）与非恶意文本 本数据集包含超过30万条恶意（toxic）与非恶意评论，标签标注准确。