社交平台评论文本毒性分析数据集SocialPlatformCommentTextToxicityAnalysis-httpwwwfszyc
数据来源：互联网公开数据
标签：文本分类, 毒性检测, 情感分析, 机器学习, 自然语言处理, 评论数据, 多标签分类, 社交媒体
数据概述：
该数据集包含来自社交平台的评论文本数据，旨在用于文本毒性检测和多标签分类任务。主要特征如下：
时间跨度：数据未明确标注时间范围，但包含创建日期（created_date）字段，可用于时间序列分析。
地理范围：数据来源于全球社交平台，未限定特定地理区域。
数据维度：数据集包括评论文本（comment_text）以及多个标签，如“target”（毒性评分）、“severe_toxicity”（严重毒性）、“obscene”（猥亵）、“identity_attack”（身份攻击）、“insult”（侮辱）、“threat”（威胁）等，以及其他与评论相关的属性，如“created_date”、“publication_id”、“article_id”、“rating”、“funny”、“wow”、“sad”、“likes”、“disagree”等。此外，还包含对评论进行标注的注释者数量（identity_annotator_count, toxicity_annotator_count）。
数据格式：数据集主要以CSV格式提供（test_df.csv），包含文本内容和对应的标签信息。此外，还包含.npy格式的预处理数据，如X_converted_before_sort_train.npy, X_converted_before_sort_valid.npy, y_before_sort_train.npy, y_before_sort_valid.npy等，可能用于模型训练和验证。
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、文本挖掘、情感分析、多标签分类等领域的学术研究，如毒性检测算法改进、评论内容分析等。
行业应用：可为社交媒体平台、在线论坛等提供数据支持，用于构建内容审核系统、用户行为分析、舆情监控等。
决策支持：支持平台制定内容管理策略，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、机器学习相关课程的实训数据，帮助学生和研究人员学习和实践文本分类、情感分析等技术。
此数据集特别适合用于探索社交平台评论的毒性特征，构建和评估文本毒性检测模型，以及分析不同类型攻击性言论的分布规律。
