乌尔都语社交媒体评论毒性分析数据集_Urdu_Social_Media_Comments_Toxicity_Analysis
数据来源：互联网公开数据
标签：毒性分析, 文本分类, 乌尔都语, 社交媒体, 情感分析, 机器学习, 自然语言处理, 语料库
数据概述：
该数据集包含来自社交媒体平台的乌尔都语评论，记录了评论文本及其毒性标签。主要特征如下：
时间跨度：数据未明确标注时间，可视为静态文本语料库。
地理范围：数据主要来源于使用乌尔都语的社交媒体用户，未限定具体地理位置。
数据维度：
Comment：评论文本，包含乌尔都语的社交媒体评论内容。
Toxic：毒性标签，1表示评论具有毒性，0表示评论无毒。
数据格式：CSV格式，文件名为cleaned_data.csv，便于文本处理和分析。此外，还包含预训练的词嵌入文件，包括FastText（ft_cbow.vec, ft_sg.vec）、GloVe（glove.txt）和Word2Vec（w2v_cbow.txt, w2v_sg.txt）等，为下游任务提供丰富的语义信息。
来源信息：数据集来源于社交媒体平台，已进行清洗和标注，以确保数据质量。
该数据集适合用于乌尔都语文本毒性检测、情感分析和自然语言处理研究。
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：适用于乌尔都语文本的毒性检测、情感分析、以及多语言文本分析的学术研究。
行业应用：可以为社交媒体平台、内容审核机构提供数据支持，用于构建自动化的内容过滤系统，提升用户体验。
决策支持：支持社交媒体平台的内容管理策略制定，帮助平台有效识别和处理有害言论。
教育和培训：作为自然语言处理、机器学习等相关课程的实训材料，帮助学生掌握文本分类、情感分析等技术。
此数据集特别适合用于构建和评估乌尔都语文本的毒性检测模型，探索不同词嵌入方法对模型性能的影响，并为构建更友好的在线社区提供技术支持。
