Seq2Seq training data.csv

NIAID Data Ecosystem2026-03-13 收录

文本去毒

攻击性评论改写

数据链接：

https://figshare.com/articles/dataset/Seq2Seq_training_data_csv/19513705 数据链接链接失效反馈

官方服务：

资源简介：

This is the training dataset for the seq2seq model that contains source comments that are offensive and target comments which are non-offensive.

创建时间：

2022-04-04

textdetox/multilingual_paradetox_test

多语言文本处理

文本去毒

MultiParaDetox（测试）数据集是为CLEF TextDetox 2024共享任务准备的多语言并行文本去毒数据集。该数据集包含9种语言（乌克兰语、印地语、中文、阿拉伯语、德语、英语、俄语、阿姆哈拉语和西班牙语），每种语言有1000对有毒去毒实例，分为开发集（400对）和测试集（600对）。数据集的主要特征为文本字符串，每种语言的测试集包含600个实例。

Hugging Face2026-03-01 更新650

s-nlp/en_paradetox_content

文本去毒

内容保持

--- license: openrail++ task_categories: - text-classification language: - en --- # ParaDetox: Detoxification with Parallel Data (English). Content Task Results This repository contains information

Hugging Face2023-09-08 更新220

textdetox/uk_paradetox

文本去毒

多语言处理

乌克兰平行文本去毒语料库，用于乌克兰语的文本去毒任务。该语料库基于乌克兰推文语料库构建。更多详细信息，请参阅MultiParaDetox论文。

Hugging Face2024-06-25 更新210

textdetox/multilingual_toxic_lexicon

文本去毒

有害词汇

多语言毒词词汇表，包含英语、俄语、乌克兰语、西班牙语、德语、阿姆哈拉语、阿拉伯语、中文、印地语、意大利语、法语、希伯来语、印地英语、日语和塔塔尔语等语言的毒词列表。该数据集用于文本解毒任务，并从多个来源整合了毒词。

Hugging Face2025-03-21 更新230

s-nlp/en_non_detoxified

文本去毒

并行数据处理

ParaDetox数据集是一个用于文本去毒任务的英语数据集，特别包含了在改写任务中被标注为‘无法重写’的样本。这些样本无法去毒的原因可能包括文本本身无毒、毒性内容深植于信息中或文本难以理解。数据集通过Yandex.Toloka众包平台收集，分为生成改写、内容保留检查和毒性检查三个步骤。此仓库特别包含了生成改写任务的结果，数据集总大小约为12,059个样本。

Hugging Face2023-09-08 更新220

Seq2Seq training data.csv

资源简介：

相关数据集