罗马乌尔都语仇恨言论检测数据集
数据来源：互联网公开数据
标签：罗马乌尔都语,仇恨言论,社交媒体评论,数据融合,文本分析,自然语言处理
数据概述：
本数据集是由三个数据集合并而成，分别是RomanUrduDataSet、HS-RU-20和roman-Urdu-abusive-comment-detector。数据集涵盖了从不同来源收集的罗马乌尔都语文本，经过清洗和标注，形成了一套全面的仇恨言论检测数据集。数据集中的文本被分类为仇恨言论和非仇恨言论两类，适用于仇恨言论识别和分析。
数据用途概述：
该数据集适用于仇恨言论检测、社交媒体评论分析、自然语言处理研究等多种场景。研究人员可以利用此数据集训练机器学习模型，提高仇恨言论识别的准确率；相关机构也可以使用数据集进行社交媒体监控和内容审核；教育机构则可以借助数据集进行仇恨言论识别技术的教学和研究。
举例：
本数据集包含14700条手动标注的YouTube评论，以及通过Twitter API收集并标注的候选推文。其中，Twitter推文经过了多种预处理技术的清理，确保数据质量。数据集中，罗马乌尔都语数据被分为三类：正面、中性和负面。研究中发现，正面和中性类别的评论不包含仇恨言论，因此被标注为非仇恨言论（False），而负面类别则被标注为仇恨言论（True）。通过这些标注，数据集能够帮助识别和分析罗马乌尔都语中的仇恨言论。
