孟加拉语有毒语言精选数据集_ToxLex_bn

数据集概述

该数据集是从Facebook用户评论中提取的孟加拉语有毒语言精选数据集，包含社交媒体中使用的攻击性和辱骂性词汇。数据经过去重、匿名化处理，涵盖孟加拉语社交媒体有毒语言的人口统计和主题分布，用于有毒语言检测系统分类器的定义。

文件详解

• 文件名称: ToxLex_bn output v1 29 January 2022.xlsx：Excel格式文件，包含1959行数据，每行代表一个有毒双词短语，包含转录、翻译、拼写标准、毒性程度等8个特征列。
• 文件名称: ToxLex_bn output v2 April 26 2022.xlsx：Excel格式文件，为数据集的第二版，结构与第一版类似，包含相同的特征列。

数据来源

Facebook公开页面

适用场景

• 自然语言处理研究: 用于训练和评估孟加拉语有毒语言检测模型。
• 社交媒体内容 moderation: 辅助开发针对孟加拉语的自动内容审核系统。
• 语言学研究: 分析孟加拉语社交媒体中有毒语言的结构和特征。
• 网络安全应用: 支持网络欺凌和仇恨言论的识别与干预。