数据集概述
本数据集包含乌尔都语攻击性语言相关的Python代码和多种特征文件，用于复现研究论文结果并扩展相关发现。数据集共含5个文件，无目录层级，主要分为数据文件和代码文件两类，支持乌尔都语文本的攻击性内容分析任务。
文件详解
- 数据文件（.xlsx格式，共3个）
- dataset-unigram.xlsx：乌尔都语攻击性内容的单字词特征数据
- dataset-tfidf20.xlsx：乌尔都语攻击性内容的TF-IDF（取前20特征）数据
- dataset-word2vec features.xlsx：乌尔都语攻击性内容的Word2Vec特征数据
- 代码文件（.py格式，共2个）
- finaldataextraction.py：数据提取相关的Python代码
- finalimplementation.py：模型或分析实现相关的Python代码
适用场景
- 乌尔都语NLP模型复现: 用于重新生成研究论文中关于乌尔都语攻击性内容分析的结果
- 文本特征工程研究: 对比单字词、TF-IDF、Word2Vec等不同特征在乌尔都语攻击性内容检测中的效果
- 攻击性语言检测模型优化: 基于现有特征文件扩展乌尔都语攻击性内容检测的研究发现
- 低资源语言文本分析: 探索乌尔都语等低资源语言的文本处理方法与应用
