told-br

ToLD-Br专注于巴西葡萄牙语的社交媒体有毒言论检测，它提供了两种版本的数据：多标签版和二元版。多标签版包含2.1万条样本，对推文在同性恋恐惧症、淫秽、侮辱、种族主义、厌女症和仇外心理六个类别上进行标注；二元版包含1.68万条训练样本、2100条验证样本和2100条测试样本，标注推文是否具有毒性。数据采集自Twitter，经过关键词和用户提及筛选，并由42位背景各异的众包标注员进行标注，旨在减少偏见。该数据集采用CC-BY-SA 4.0许可协议，可用于训练仇恨言论检测模型。