维基百科评论文本毒性分析数据集WikipediaCommentTextToxicityAnalysis-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, 自然语言处理, 机器学习, 恶意评论, 文本标注, 深度学习
数据概述：
该数据集包含来自维基百科的评论文本，记录了用户在维基百科页面上发表的评论内容，并标注了评论的毒性程度。主要特征如下：
时间跨度：数据未明确标注时间，可视为一个静态的文本语料库。
地理范围：数据来源于全球范围内的维基百科用户评论，具有广泛的地域覆盖。
数据维度：数据集包含多个字段：
id：评论的唯一标识符（部分评论可能缺失）。
comment_text：评论的文本内容。
toxic：评论是否具有毒性（1表示是，0表示否）。
severe_toxic：评论是否具有严重毒性（1表示是，0表示否）。
obscene：评论是否包含淫秽内容（1表示是，0表示否）。
threat：评论是否包含威胁内容（1表示是，0表示否）。
insult：评论是否包含侮辱性内容（1表示是，0表示否）。
identity_hate：评论是否包含针对特定身份的仇恨言论（1表示是，0表示否）。
数据格式：CSV格式，包含train_data_80.csv（训练集，80%数据）和test_data_20.csv（测试集，20%数据），便于数据分析和模型训练。
来源信息：数据来源于维基百科评论数据，并已进行标注处理。该数据集适合用于毒性评论检测、情感分析等研究。
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、机器学习、文本挖掘等领域的研究，例如毒性检测模型的构建与评估、情感分析、恶意评论识别等。
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，用于自动识别和过滤有害言论，维护社区环境。
决策支持：支持内容审核团队的工作，帮助他们更有效地识别和处理有害内容。
教育和培训：作为自然语言处理、机器学习等课程的实训数据，帮助学生和研究人员了解文本分类、情感分析等技术。
此数据集特别适合用于构建和评估毒性检测模型，探索不同类型的恶意评论，并提升对在线社区中不良行为的理解。
