COLDataset

冷塔

本文的官方存储库：冷：中国进攻语言检测的基准

中文冒犯语言检测数据集

纸链接：https：//arxiv.org/abs/2201.06025

检测器：我们在Huggingface中发布了Roberta-Base-Cold的版本。

消息

我们的论文已被EMNLP 2022接受！

信息

ColdataSet包含37,480条评论，带有二元进攻标签，涵盖了种族，性别和地区的各种主题。为了获得对数据类型和特征的进一步见解，我们将测试集注释为具有四个类别的细粒度：攻击个人，攻击组，反偏见和其他非犯罪性。

train.csv和dev.csv中的标签：

• 标签0：安全，
• 标签1：进攻

test.csv中的细粒标签：

• 0：安全（急诊）
• 1：攻击个人
• 2：攻击组
• 3：安全（反偏见）

引用

如果本文和数据集很有帮助，请请我们的论文。

  @article{deng2022cold,
  title="Cold: A benchmark for chinese offensive language detection",
  author= "Deng, Jiawen and Zhou, Jingyan and Sun, Hao and Mi, Fei and Huang, Minlie",
  booktitle = "Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing",
  month = dec,
  year = "2022",
  address = "Abu Dhabi, United Arab Emirates",
  publisher = "Association for Computational Linguistics",
  url = "https://aclanthology.org/2022.emnlp-main.796",
  pages = "11580--11599"
}