社交媒体平台仇恨言论检测数据集SocialMediaHateSpeechDetectionDataset-krishamehta0810
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, 情感分析, 语言模型, 数据标注, 机器学习
数据概述：
该数据集包含来自社交媒体平台的数据，记录了用于检测仇恨言论的文本内容及相关标签。主要特征如下：
时间跨度：数据集未明确标注时间，可视为静态语料库。
地理范围：数据主要来源于英语社交媒体环境，可能涵盖全球范围内的用户。
数据维度：数据集包含多个子任务，包括：
subtask_a: 识别推文是否包含仇恨言论（OFF表示包含，NOT表示不包含）。
subtask_b: 细化仇恨言论的类型，如目标人群（TIN）。
subtask_c: 进一步细化仇恨言论的具体类型（IND，GRP，OTH）。
id: 推文的唯一标识符。
tweet: 推文文本内容。
数据格式：数据集以 CSV 和 TSV 格式提供，包含多个文件，如 labels-levela.csv, olid-training.csv, testset-levela.tsv 等，便于数据分析与处理。
来源信息： 数据来源于公开的仇恨言论检测项目，已进行标注和整理。
该数据集适合用于仇恨言论检测、情感分析、文本分类等研究，以及相关模型的训练和评估。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于自然语言处理、社会计算等领域的研究，如仇恨言论识别、情感分析、多标签文本分类等。
行业应用：为社交媒体平台、内容审核机构等提供数据支持，用于构建自动化的仇恨言论检测系统，维护网络社区的健康环境。
决策支持：支持平台制定内容审核策略，优化用户体验，减少有害信息传播。
教育和培训：作为自然语言处理、机器学习等课程的实践案例，帮助学生和研究人员理解和应用文本分类技术。
此数据集特别适合用于探索社交媒体上仇恨言论的模式与传播规律，构建高效的仇恨言论检测模型，从而提升内容审核的效率与准确性。
