jtatman/jigsaw_hatebert

---
dataset_info:
features:
- name: text
dtype: string
- name: text_masked
dtype: string
- name: text_replaced
list:
- name: score
dtype: float64
- name: sequence
dtype: string
- name: token
dtype: int64
- name: token_str
dtype: string
- name: asian
dtype: string
- name: atheist
dtype: string
- name: bisexual
dtype: string
- name: black
dtype: string
- name: buddhist
dtype: string
- name: christian
dtype: string
- name: female
dtype: string
- name: heterosexual
dtype: string
- name: hindu
dtype: string
- name: homosexual_gay_or_lesbian
dtype: string
- name: intellectual_or_learning_disability
dtype: string
- name: jewish
dtype: string
- name: latino
dtype: string
- name: male
dtype: string
- name: muslim
dtype: string
- name: other_disability
dtype: string
- name: other_gender
dtype: string
- name: other_race_or_ethnicity
dtype: string
- name: other_religion
dtype: string
- name: other_sexual_orientation
dtype: string
- name: physical_disability
dtype: string
- name: psychiatric_or_mental_illness
dtype: string
- name: transgender
dtype: string
- name: white
dtype: string
- name: funny
dtype: string
- name: wow
dtype: string
- name: sad
dtype: string
- name: likes
dtype: string
- name: disagree
dtype: string
- name: target
dtype: int64
- name: __index_level_0__
dtype: int64
splits:
- name: train
num_bytes: 236287827
num_examples: 110000
download_size: 83975623
dataset_size: 236287827
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "jigsaw_hatebert"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

### 数据集信息
#### 特征字段：
1. `text`：数据类型为字符串（string）
2. `text_masked`：数据类型为字符串（string）
3. `text_replaced`：为列表类型，包含以下子字段：
- `score`：数据类型为64位浮点型（float64）
- `sequence`：数据类型为字符串（string）
- `token`：数据类型为64位整型（int64），即Token（Token）
- `token_str`：数据类型为字符串（string）
4. `asian`：数据类型为字符串（string），指代亚裔群体相关标签
5. `atheist`：数据类型为字符串（string），指代无神论者相关标签
6. `bisexual`：数据类型为字符串（string），指代双性恋群体相关标签
7. `black`：数据类型为字符串（string），指代黑人（非裔）群体相关标签
8. `buddhist`：数据类型为字符串（string），指代佛教徒相关标签
9. `christian`：数据类型为字符串（string），指代基督教徒相关标签
10. `female`：数据类型为字符串（string），指代女性群体相关标签
11. `heterosexual`：数据类型为字符串（string），指代异性恋群体相关标签
12. `hindu`：数据类型为字符串（string），指代印度教徒相关标签
13. `homosexual_gay_or_lesbian`：数据类型为字符串（string），指代男同性恋或女同性恋群体相关标签
14. `intellectual_or_learning_disability`：数据类型为字符串（string），指代智力或学习障碍群体相关标签
15. `jewish`：数据类型为字符串（string），指代犹太群体相关标签
16. `latino`：数据类型为字符串（string），指代拉丁裔群体相关标签
17. `male`：数据类型为字符串（string），指代男性群体相关标签
18. `muslim`：数据类型为字符串（string），指代穆斯林群体相关标签
19. `other_disability`：数据类型为字符串（string），指代其他残疾群体相关标签
20. `other_gender`：数据类型为字符串（string），指代其他性别群体相关标签
21. `other_race_or_ethnicity`：数据类型为字符串（string），指代其他种族或族裔群体相关标签
22. `other_religion`：数据类型为字符串（string），指代其他宗教群体相关标签
23. `other_sexual_orientation`：数据类型为字符串（string），指代其他性取向群体相关标签
24. `physical_disability`：数据类型为字符串（string），指代肢体残疾群体相关标签
25. `psychiatric_or_mental_illness`：数据类型为字符串（string），指代精神疾病或心理障碍群体相关标签
26. `transgender`：数据类型为字符串（string），指代跨性别者群体相关标签
27. `white`：数据类型为字符串（string），指代白人群体相关标签
28. `funny`：数据类型为字符串（string），指代评论搞笑程度相关标签
29. `wow`：数据类型为字符串（string），指代评论惊讶程度相关标签
30. `sad`：数据类型为字符串（string），指代评论悲伤程度相关标签
31. `likes`：数据类型为字符串（string），指代点赞数相关标签
32. `disagree`：数据类型为字符串（string），指代评论反对数相关标签
33. `target`：数据类型为64位整型（int64），为任务目标标签
34. `__index_level_0__`：数据类型为64位整型（int64），为索引字段

#### 数据集划分：
- 训练集（train）：总字节数为236287827，样本量为110000
- 下载大小：83975623字节
- 数据集总大小：236287827字节

#### 数据集配置：
- 默认配置（default）：数据文件对应训练集划分，路径为`data/train-*`

---

# "jigsaw_hatebert"数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

特征

• text: 类型为字符串
• text_masked: 类型为字符串
• text_replaced: 包含以下子特征
  • score: 类型为浮点数 (float64)
  • sequence: 类型为字符串
  • token: 类型为整数 (int64)
  • token_str: 类型为字符串
• asian: 类型为字符串
• atheist: 类型为字符串
• bisexual: 类型为字符串
• black: 类型为字符串
• buddhist: 类型为字符串
• christian: 类型为字符串
• female: 类型为字符串
• heterosexual: 类型为字符串
• hindu: 类型为字符串
• homosexual_gay_or_lesbian: 类型为字符串
• intellectual_or_learning_disability: 类型为字符串
• jewish: 类型为字符串
• latino: 类型为字符串
• male: 类型为字符串
• muslim: 类型为字符串
• other_disability: 类型为字符串
• other_gender: 类型为字符串
• other_race_or_ethnicity: 类型为字符串
• other_religion: 类型为字符串
• other_sexual_orientation: 类型为字符串
• physical_disability: 类型为字符串
• psychiatric_or_mental_illness: 类型为字符串
• transgender: 类型为字符串
• white: 类型为字符串
• funny: 类型为字符串
• wow: 类型为字符串
• sad: 类型为字符串
• likes: 类型为字符串
• disagree: 类型为字符串
• target: 类型为整数 (int64)
• index_level_0: 类型为整数 (int64)

数据分割

• train: 包含 110000 个样本，占用 236287827 字节

数据集大小

• 下载大小: 83975623 字节
• 数据集大小: 236287827 字节

配置

• default: 包含训练数据文件，路径为 data/train-*