土耳其语恶意文本分类数据集TurkishOffensiveTextClassificationDataset-alaaddinerdindal
数据来源：互联网公开数据
标签：土耳其语, 文本分类, 恶意文本, 冒犯性言论, 情感分析, 语言学, 机器学习, 数据标注
数据概述：
该数据集包含来自社交媒体或其他在线平台的土耳其语文本，记录了经过标注的文本样本，用于识别和分类恶意、冒犯性言论。主要特征如下：
时间跨度：数据未明确标明时间，可视为静态文本语料。
地理范围：数据主要来源于土耳其语使用地区。
数据维度：包括以下字段：
id：文本的唯一标识符。
text：土耳其语文本内容。
is_offensive：表示文本是否具有冒犯性，1代表是，0代表否。
target：标注的冒犯类型，如INSULT（侮辱）、RACIST（种族主义）、SEXIST（性别歧视）、PROFANITY（亵渎）等。
数据格式：CSV格式，包含两个文件，分别对应不同的文本预处理方式，例如是否移除土耳其字符。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于自然语言处理、情感分析、恶意文本检测等领域的学术研究，例如，不同类型的恶意文本识别，以及不同预处理方法对模型性能的影响研究。
行业应用：为社交媒体平台、在线论坛、评论区等提供数据支持，用于自动检测和过滤恶意言论，维护社区秩序。
决策支持：支持内容审核系统的开发和优化，帮助平台更好地管理用户生成内容。
教育和培训：作为自然语言处理、机器学习课程的实训材料，帮助学生和研究人员理解恶意文本分类的挑战和方法。
此数据集特别适合用于训练和评估土耳其语恶意文本分类模型，探索不同类型的恶意言论，提升模型的识别准确率。
