维基中立性语料库数据集

维基中立性语料库数据集 数据来源：互联网公开数据
标签：中立性,文本分析,自然语言处理,语料库,偏见检测,文本修改,数据科学
数据概述：
本数据集由超过18万对对齐的句子组成，这些句子来自2004年至2019年间英语维基百科编辑者在修订过程中提供的中立化前后文本。数据集中的每条记录包含唯一标识符、原始文本及其分词版本、中立化后的文本及其分词版本，以及原始文本的词性标注和中立化后文本的句法解析标签。

数据用途概述：
该数据集适用于研究中立性文本生成、偏见检测与修正、自然语言处理模型训练等场景。研究者可利用此数据集探索文本中立化的过程与策略；开发者可将其用于训练文本中立化模型；教育工作者可借助数据集进行文本分析与语料库研究的教学。此外，数据集也支持对文本修改规律的深入分析，为理解维基百科编辑行为提供数据支持。