Civil Comments 数据集简介

数据集概述

这是一个由 Google 发布的文本分类数据集，主要用于研究在线评论的文明程度和毒性检测。

主要用途

• 文本毒性检测：识别评论中是否包含攻击性、侮辱性或仇恨性内容。
• 文明度分析：评估在线评论的文明程度和礼貌性。
• 自然语言处理研究：可用于训练和评估文本分类、情感分析等模型。

数据类型与模态

• 模态：表格数据、文本数据
• 主要数据形式：包含文本评论及其相关标签（如毒性评分、文明度标签等）的结构化表格。

数据规模

• 数据量：包含近 200 万条评论（约 199.95 万行数据）。

使用场景

• 开发内容审核工具或算法。
• 学术研究，特别是关于在线言论、社会计算、NLP 伦理等领域。
• 训练机器学习模型以自动识别和过滤不文明言论。