孟加拉地区方言仇恨言论检测数据集BIDWESH

数据集概述

该数据集是首个针对孟加拉地区方言（诺阿卡利、吉大港、巴里萨尔）的仇恨言论检测基准语料库，含九千一百八十三个手动翻译标注实例，覆盖仇恨/非仇恨标签及十三类仇恨类型、七类目标群体，支持低资源方言语境下的多维度分析。

文件详解

• BIDWESH Dataset.csv（CSV格式）：核心数据集文件，包含吉大港、诺阿卡利、巴里萨尔方言文本，以及target（目标群体）、type（仇恨类型）、hate speech（仇恨言论标签）等标注字段
• Regional Translated Texts.csv（CSV格式）：含标准孟加拉语与吉大港、诺阿卡利、巴里萨尔方言的对应翻译文本，保留区域语言真实性

适用场景

• 自然语言处理研究：用于训练和评估孟加拉地区方言仇恨言论检测模型
• 计算语言学分析：探究低资源方言中仇恨表达的语言特征与分类体系
• 社会科学研究：分析孟加拉不同地区仇恨言论的目标群体与类型分布
• 多标签分类任务：开展仇恨言论检测、类型识别、目标群体定位的多维度分类研究