仇恨言语识别数据集

提供者:朱述承
访问地址:https://github.com/t-davidson/hate-speech-and-offensive-language

简介

ICWSM 2017论文“自动仇恨语音检测和无礼语言问题”的作者贡献。包含3类短文本:a)包含仇恨言论;b)是冒犯性的,但没有仇恨言论;c)根本没有冒犯性。由15,000行文本构成,每个字符串都经过3人判断。

大小

3MB

说明

您可以在数据目录中找到我们标记的数据。我们已经将它们包含为pickle文件(Python 2.7)和CSV。您还可以在src目录中找到一个包含Python 2.7代码的笔记,以复制文章中的分析结果以及我们生成的词典目录中的词典,以便更准确地分类仇恨言论。分类器目录包含一个脚本,说明以及用于在新数据上运行分类器的必要文件,并提供了一个测试用例。