数据集概述
本数据集包含2021年11月4日至10日期间奥地利报纸DerStandard网站的新闻评论数据，共4473条原创评论（排除评论回复），涉及522篇文章。数据包含2818条无毒评论和1655条有毒评论，类别分布相对均衡。每条评论标注了二进制毒性标签，部分评论还包含粗俗语言、目标个体、目标群体、其他目标四类细分标签及文本位置信息。
文件详解
- 文件名称：nlp2023_toxic_german.xml
- 文件格式：XML
- 字段映射介绍：包含新闻评论的核心内容与标注信息，主要字段可能涵盖：评论文本内容、二进制毒性分类标签（有毒/无毒）、细分标签（Vulgarity、Target: Individual、Target: Group、Target: Other）、文本位置标注、评论所属文章关联信息、评论发布日期等。
数据来源
奥地利报纸DerStandard（www.derStandard.at）
适用场景
- 德语NLP毒性检测模型训练: 用于开发和优化德语文本的毒性评论自动识别算法。
- 社交媒体内容安全研究: 分析新闻评论中的毒性语言特征及分布规律。
- 多标签文本分类任务: 基于粗俗语言、目标类型等细分标签，开展多维度文本分类研究。
- 媒体评论数据分析: 探究特定时间段内新闻评论的毒性倾向与新闻主题的关联。
