印尼语社交媒体评论毒性分析数据集IndonesianSocialMediaCommentsToxicityAnalysis-aldonistan
数据来源：互联网公开数据
标签：社交媒体, 文本分类, 毒性检测, 情感分析, 自然语言处理, 印尼语, 机器学习, 评论分析
数据概述：
该数据集包含来自印尼社交媒体平台的评论文本数据，记录了评论的毒性程度评估，旨在用于毒性言论检测、情感分析等任务。主要特征如下：
时间跨度：数据未明确标注时间，可视为静态语料库。
地理范围：数据主要来源于印尼社交媒体平台，反映印尼语语境下的用户评论。
数据维度：数据集包括以下字段：
id：评论的唯一标识符。
comment_text：评论文本内容。
toxic：是否具有毒性（1表示是，0表示否）。
severe_toxic：是否具有严重毒性（1表示是，0表示否）。
obscene：是否包含猥亵内容（1表示是，0表示否）。
insult：是否包含侮辱性内容（1表示是，0表示否）。
threat：是否包含威胁内容（1表示是，0表示否）。
identity_hate：是否包含针对特定身份群体的仇恨言论（1表示是，0表示否）。
Und: 8, Und: 9：未知字段，可能与数据处理或标注有关。
数据格式：CSV格式，包含data_train.csv, data_test.csv 和 new_kamusalay.csv三个文件，方便文本分析和模型训练。 其中data_train.csv和data_test.csv包含结构化数据，new_kamusalay.csv可能包含词汇表或预处理信息。
该数据集适用于社交媒体评论的毒性分析、情感分析、以及印尼语自然语言处理相关研究。
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、文本挖掘、社交媒体分析等领域的研究，例如毒性言论识别、情感分析、用户行为分析等。
行业应用：为社交媒体平台、内容审核机构提供数据支持，用于构建自动化的内容过滤系统，维护社区环境。
决策支持：支持社交媒体平台的风险评估与内容策略制定，提升用户体验。
教育和培训：作为自然语言处理、机器学习等课程的实训数据集，帮助学生和研究人员掌握文本分类、情感分析等技术。
此数据集特别适合用于研究印尼语社交媒体环境下的毒性言论特征，并构建相应的检测模型，从而提升社交媒体内容审核的效率和准确性。
