systemk/c4-toxic-eval

---
dataset_info:
- config_name: balanced
features:
- name: text
dtype: string
- name: toxic
dtype: bool
- name: hate
dtype: bool
- name: harassment
dtype: bool
- name: self-harm
dtype: bool
- name: sexual
dtype: bool
- name: violence
dtype: bool
- name: sexual/minors
dtype: bool
- name: hate/threatening
dtype: bool
- name: violence/graphic
dtype: bool
- name: self-harm/intent
dtype: bool
- name: self-harm/instructions
dtype: bool
- name: harassment/threatening
dtype: bool
splits:
- name: train
num_bytes: 13545733.26234375
num_examples: 1404
- name: test
num_bytes: 1505081.47359375
num_examples: 156
download_size: 7146035
dataset_size: 15050814.735937499
- config_name: default
features:
- name: text
dtype: string
- name: toxic
dtype: bool
- name: hate
dtype: bool
- name: harassment
dtype: bool
- name: self-harm
dtype: bool
- name: sexual
dtype: bool
- name: violence
dtype: bool
- name: sexual/minors
dtype: bool
- name: hate/threatening
dtype: bool
- name: violence/graphic
dtype: bool
- name: self-harm/intent
dtype: bool
- name: self-harm/instructions
dtype: bool
- name: harassment/threatening
dtype: bool
splits:
- name: train
num_bytes: 493975458
num_examples: 51200
download_size: 258423078
dataset_size: 493975458
configs:
- config_name: balanced
data_files:
- split: train
path: balanced/train-*
- split: test
path: balanced/test-*
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
- 配置名称：平衡版（balanced）
特征：
- 文本（text）：字符串类型
- 毒性（toxic）：布尔类型
- 仇恨言论（hate）：布尔类型
- 骚扰（harassment）：布尔类型
- 自残（self-harm）：布尔类型
- 色情内容（sexual）：布尔类型
- 暴力（violence）：布尔类型
- 针对未成年人的色情内容（sexual/minors）：布尔类型
- 仇恨威胁言论（hate/threatening）：布尔类型
- 具象化暴力内容（violence/graphic）：布尔类型
- 自残意图（self-harm/intent）：布尔类型
- 自残指导（self-harm/instructions）：布尔类型
- 骚扰威胁言论（harassment/threatening）：布尔类型
数据集划分：
- 划分名称：训练集（train），字节数：13545733.26234375，样本数量：1404
- 划分名称：测试集（test），字节数：1505081.47359375，样本数量：156
下载大小：7146035
数据集总大小：15050814.735937499
- 配置名称：默认版（default）
特征：
- 文本（text）：字符串类型
- 毒性（toxic）：布尔类型
- 仇恨言论（hate）：布尔类型
- 骚扰（harassment）：布尔类型
- 自残（self-harm）：布尔类型
- 色情内容（sexual）：布尔类型
- 暴力（violence）：布尔类型
- 针对未成年人的色情内容（sexual/minors）：布尔类型
- 仇恨威胁言论（hate/threatening）：布尔类型
- 具象化暴力内容（violence/graphic）：布尔类型
- 自残意图（self-harm/intent）：布尔类型
- 自残指导（self-harm/instructions）：布尔类型
- 骚扰威胁言论（harassment/threatening）：布尔类型
数据集划分：
- 划分名称：训练集（train），字节数：493975458，样本数量：51200
下载大小：258423078
数据集总大小：493975458
配置项：
- 配置名称：平衡版（balanced），数据文件：
- 数据集划分：训练集（train），文件路径：balanced/train-*
- 数据集划分：测试集（test），文件路径：balanced/test-*
- 配置名称：默认版（default），数据文件：
- 数据集划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集配置

配置名称：balanced

• 特征：
  • text: 字符串类型
  • toxic: 布尔类型
  • hate: 布尔类型
  • harassment: 布尔类型
  • self-harm: 布尔类型
  • sexual: 布尔类型
  • violence: 布尔类型
  • sexual/minors: 布尔类型
  • hate/threatening: 布尔类型
  • violence/graphic: 布尔类型
  • self-harm/intent: 布尔类型
  • self-harm/instructions: 布尔类型
  • harassment/threatening: 布尔类型
• 分割：
  • train: 1404个样本，13545733.26234375字节
  • test: 156个样本，1505081.47359375字节
• 下载大小：7146035字节
• 数据集大小：15050814.735937499字节

配置名称：default

• 特征：
  • text: 字符串类型
  • toxic: 布尔类型
  • hate: 布尔类型
  • harassment: 布尔类型
  • self-harm: 布尔类型
  • sexual: 布尔类型
  • violence: 布尔类型
  • sexual/minors: 布尔类型
  • hate/threatening: 布尔类型
  • violence/graphic: 布尔类型
  • self-harm/intent: 布尔类型
  • self-harm/instructions: 布尔类型
  • harassment/threatening: 布尔类型
• 分割：
  • train: 51200个样本，493975458字节
• 下载大小：258423078字节
• 数据集大小：493975458字节

数据文件路径

配置名称：balanced

• 训练集：balanced/train-*
• 测试集：balanced/test-*

配置名称：default

• 训练集：data/train-*