Jigsaw毒性分类训练数据集-2019-zaheenchoudhry
数据来源：互联网公开数据
标签：Jigsaw, 毒性分类, 训练数据, GloVe嵌入, 文本处理, 机器学习, 自然语言处理, 数据预处理
数据概述：
本数据集是Jigsaw Unintended Bias in Toxicity Classification比赛的训练数据集，经过GloVe嵌入预处理。数据集包含多条用户评论及其对应的毒性标注，旨在用于训练能够识别和分类带偏见或有毒性内容的机器学习模型。
数据集中的每个记录包括：
- comment_text：用户提交的评论文本
- toxic：是否包含毒性内容，1表示包含，0表示不包含
- severe_toxic：是否包含严重毒性内容，1表示包含，0表示不包含
- obscene：是否包含污秽内容，1表示包含，0表示不包含
- threat：是否包含威胁性内容，1表示包含，0表示不包含
- insult：是否包含侮辱性内容，1表示包含，0表示不包含
- identity_hate：是否包含针对特定身份的仇恨内容，1表示包含，0表示不包含
- comment_embedding：评论文本对应的GloVe嵌入向量
数据采用GloVe嵌入技术，将文本数据转换为数值向量表示，以便于机器学习模型的训练和分析。
数据用途概述：
该数据集适用于自然语言处理和机器学习领域的研究与开发，特别适用于训练和评估文本分类模型。研究者可以利用该数据集进行毒性评论识别、偏见分析、模型优化等任务。此外，数据集也适合用于教学和培训，帮助学习者理解文本处理和机器学习的基本概念与应用。
