多语言恶意评论翻译数据集MultilingualToxicCommentTranslationDataset-sandiago21
数据来源：互联网公开数据
标签：多语言, 文本翻译, 恶意评论, 自然语言处理, 机器翻译, 文本分析, 语料库, Jigsaw
数据概述：
该数据集包含来自Jigsaw数据集的多语言评论翻译数据，旨在用于跨语言的恶意评论检测与分析。主要特征如下：
时间跨度：数据未明确标注时间，可视为静态语料库。
地理范围：数据来源于互联网，评论内容涵盖多种文化背景。
数据维度：数据集包含多个CSV文件，每个文件对应一种目标语言。每个文件包含原始评论文本（comment_text_original）和翻译成其他五种语言的文本，具体字段包括：comment_text_ru（俄语）, comment_text_tr（土耳其语）, comment_text_pt（葡萄牙语）, comment_text_it（意大利语）, comment_text_es（西班牙语）, comment_text_fr（法语）。
数据格式：CSV格式，文件名为jigsaw_test_es_to_rest_5_languages_final.csv、jigsaw_test_fr_to_rest_5_languages_final.csv、jigsaw_test_it_to_rest_5_languages_final.csv、jigsaw_test_pt_to_rest_5_languages_final.csv、jigsaw_test_ru_to_rest_5_languages_final.csv、jigsaw_test_tr_to_rest_5_languages_final.csv，方便数据处理和分析。
来源信息：数据来源于Jigsaw项目，用于支持对抗性言论和骚扰检测。
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：适用于机器翻译、跨语言文本分析、多语言恶意评论检测等领域的学术研究。
行业应用：可用于构建多语言内容过滤系统、社交媒体平台上的恶意内容识别和管理。
决策支持：支持企业进行全球化内容审核，以及跨文化交流中的风险评估。
教育和培训：作为自然语言处理、机器翻译等课程的实训数据集，帮助学生理解多语言文本处理技术。
此数据集特别适合用于研究不同语言间的恶意评论表达方式差异，以及开发更精准的跨语言恶意内容检测模型，从而提升内容安全管理效率。
