jagoldz/gahd

GAHD是一个**德语对抗性仇恨言论数据集**，包含10,996个例子。该数据集通过四轮动态对抗性数据收集收集，并探索了支持注释者寻找对抗性例子的各种方法。数据集包含两个CSV文件：`gahd.csv`和`gahd_disaggregated.csv`，分别包含不同的列信息，如唯一标识符、文本、标签、收集轮次、数据集划分、对比示例的唯一标识符、来源、模型预测、注释者标识符、注释者标签和专家标签等。

原始信息汇总

GAHD数据集概述

数据集描述

• 名称: GAHD（German Adversarial Hate speech Dataset）
• 内容: 包含10,996个示例，通过四轮动态对抗数据收集获得。
• 语言: 德语
• 任务类别: 文本分类
• 标签: 仇恨言论检测, 仇恨言论
• 许可: CC-BY-4.0

数据集结构

• 文件: gahd.csv 和 gahd_disaggregated.csv
• gahd.csv 列:
  • gahd_id: 唯一标识符
  • text: 文本内容
  • label: 0 - 非仇恨言论, 1 - 仇恨言论
  • round: 创建轮次
  • split: 数据集分割（训练、开发或测试）
  • contrastive_gahd_id: 对比示例的gahd_id
• gahd_disaggregated.csv 额外列:
  • source: 数据来源（dynabench, translation, news）
  • model_prediction: 目标模型的预测标签
  • annotator_id: 标注者唯一标识符
  • annotator_labels: 标注者提供的标签列表
  • expert_labels: 专家标注者提供的标签

引用信息

• 论文: Improving Adversarial Data Collection by Supporting Annotators: Lessons from GAHD, a German Hate Speech Dataset
• 作者: Janis Goldzycher, Paul Röttger, Gerold Schneider
• 年份: 2024
• 存档前缀: arXiv
• 主要分类: cs.CL