JoshMcGiff/HomophobiaDetectionTwitterX

该数据集是为了解决在线仇恨言论检测中的显著空白，特别是针对恐同内容的检测而开发的。它包含从X（前Twitter）抓取的推文，这些推文由来自不同背景的志愿者标注了是否包含恐同内容。该数据集是作者所知的最大的开源英文恐同检测数据集，旨在增强在线安全性和包容性。

原始信息汇总

数据集概述

数据集名称

Homophobia Detection Dataset (Twitter/X)

数据集目的

该数据集旨在填补在线仇恨言论检测中的重要空白，特别是针对同性恋恐惧症的研究，这些内容在情感分析研究中常被忽视。

数据集内容

• 数据来源：从X（原Twitter）上抓取的推文。
• 数据标注：由来自不同背景的志愿者标注，用于识别同性恋恐惧症内容。
• 数据结构：
  • tweet_text：推文的文本内容。
  • label：二元标签，指示是否存在同性恋恐惧症内容（0 = 无同性恋恐惧症内容，1 = 有同性恋恐惧症内容）。
  • language：推文的语言，由X/Twitter标记。

数据集特点

• 规模：据作者所知，这是最大的开源标记英语数据集，用于同性恋恐惧症检测。
• 语言：仅包含英语。

使用注意事项

• 社会影响：数据集用于研究目的，旨在对抗在线仇恨言论，提高数字平台的包容性和安全性。
• 伦理考虑：鉴于仇恨言论的敏感性，研究者应考虑其工作对边缘化社区的影响，并确保使用数据集旨在减少伤害和促进包容性。
• 法律和隐私问题：研究者应遵守关于仇恨言论和数据隐私的法律标准和伦理指南。

数据集创建

• 来源数据：数据来自与LGBTQIA+社区相关的术语和账户。
• 标注过程：由三名志愿者根据多数投票进行标注，使用Microsoft Excel进行多日标注。
• 个人信息处理：用户名和其他个人标识已匿名化或移除，URL也已移除。

附加信息

• 许可证：CC-BY-4.0
• 致谢：本工作得到Science Foundation Ireland Centre for Research Training in Artificial Intelligence的资助，资助号为18/CRT/6223。