仇恨言论识别与检测数据集-ToxiGen研究专用-xenowing
数据来源：互联网公开数据
标签：仇恨言论,社交媒体,自然语言处理,文本分类,对抗生成,ToxiGen,少数群体,歧视言论
数据概述：
本数据集专为仇恨言论识别与检测研究设计，是ToxiGen研究论文中使用的数据集。数据集包含了超过27万条关于13个少数群体的仇恨言论和非仇恨言论。每个少数群体的数据都包含“良性言论”和“仇恨言论”两种类别，为构建和评估仇恨言论检测模型提供了丰富的数据基础。数据涵盖了不同少数群体的多样化表达，有助于研究人员开发更全面、更准确的仇恨言论识别技术。
少数群体包括：
黑人
亚洲人
原住民
拉丁裔
犹太人
中国人
墨西哥人
中东人
LGBTQ+群体
女性
精神疾病患者
身体残疾人士
此外，数据集还包含了“top-k (all)”和“ALICE (all)”类别的数据，为模型训练和评估提供了更全面的支持。
数据用途概述：
该数据集主要用于自然语言处理领域的研究，特别是仇恨言论识别、检测和对抗生成模型的开发。研究人员可以利用此数据集训练、测试和评估仇恨言论检测模型，探索不同少数群体的仇恨言论模式；也可以用于开发对抗性攻击，评估模型的鲁棒性；同时，该数据集也适用于社会学、传播学等领域的仇恨言论研究，分析仇恨言论的传播规律和影响。
