社交多注释者标注的英文仇恨言论数据集
数据来源：互联网公开数据
标签：仇恨言论,自然语言处理,情感分析,社会研究,机器学习,言论分析,多层次标注
数据集简介：
本数据集由 Kennedy 等人于2020年在其研究论文中公开发布，旨在为仇恨言论检测提供一个经多方注释、多维标签的高质量数据资源。数据集包含39,565条在线评论文本，由7,912位注释者参与标注，合计135,556条记录（包含重复注释行）。核心目标变量为“仇恨言论得分”（hate speech score），此外还包括10个构成性标签，用于描述不同维度的攻击性语言、偏见或伤害程度，适用于监督学习、多任务建模与心理计量建模等研究场景。
字段定义（部分字段如下，完整结构请参照数据集实际文件）：
comment_id：评论的唯一标识符
text：评论文本内容
annotator_id：标注者编号
hate_speech_score：仇恨言论得分（主变量，来源于Rasch建模）
label_x：构成性标签（共10项，如攻击性语言、侮辱性、仇视群体等）
agreement：注释一致性指标（如有）
comment_metadata：评论元数据，如来源平台、时间等（如提供）
数据特征：
数据来源：Kennedy et al.（2020），公开发布于 HuggingFace Datasets 平台
数据量：39,565条唯一评论，135,556条带注释样本
标注结构：多注释者、多标签；仇恨得分基于 Rasch 模型转换
标签类型：多标签分类 + 连续型得分变量
数据格式：通常为结构化表格（CSV/JSON）或HuggingFace Datasets格式
适用场景：
仇恨言论识别与内容审核模型训练
多任务学习（文本分类、多标签学习）
心理计量建模与主观标签变异分析
模型对群体偏见与伤害性内容的敏感性研究
社交平台内容治理策略开发与评估
