维基百科评论毒性分类增强数据集WikipediaCommentsToxicityClassificationAugmentedDataset-lalitshrotriya
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, 评论分析, 数据增强, 恶意评论
数据概述：
该数据集包含来自维基百科社区的评论文本，记录了不同评论的毒性程度。主要特征如下：
时间跨度：数据未明确标注时间，通常被视为静态数据集使用。
地理范围：数据来源于维基百科，覆盖全球范围内的用户评论。
数据维度：包括“id”（评论唯一标识符）、“comment_text”（评论文本）以及六个毒性相关标签：“toxic”（有毒）、“severe_toxic”（严重有毒）、“obscene”（猥亵）、“threat”（威胁）、“insult”（侮辱）、“identity_hate”（仇恨言论）。
数据格式：CSV格式，文件名为train_aug.csv，便于文本数据处理和模型训练。
来源信息：该数据集来源于公开的维基百科评论数据，可能经过数据增强处理，以提升模型的泛化能力。
该数据集适合用于情感分析、毒性检测、文本分类等研究领域，以及构建恶意内容过滤系统等应用。
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：适用于情感分析、自然语言处理和机器学习领域的学术研究，如恶意言论检测、情感极性分析等。
行业应用：为社交媒体平台、在线论坛、评论系统等提供数据支持，用于构建内容审核、用户行为分析等系统。
决策支持：支持平台方进行内容审核策略制定，优化用户体验，维护社区环境。
教育和培训：作为机器学习、自然语言处理等课程的实训材料，帮助学生和研究人员理解文本分类和情感分析的实际应用。
此数据集特别适合用于探索用户评论中的毒性表达模式，构建有效的毒性检测模型，从而改善在线社区环境。
