Jigsaw Multilingual Toxic Comment Classification

kaggle2023-06-01 更新2024-03-11 收录

有害评论分类

多语言

数据链接：

https://www.kaggle.com/datasets/sadikaljarif/jigsaw-multilingual-toxic-comment-detection 数据链接链接失效反馈

官方服务：

资源简介：

Toxic Comment Classification

恶意评论分类（Toxic Comment Classification）

创建时间：

2022-08-08

Bingsu/laion2b_multi_korean_subset_with_image

数据整理

多语言

该数据集是通过img2dataset成功下载的[Bingsu/laion2B-multi-korean-subset](https://huggingface.co/datasets/Bingsu/laion2B-multi-korean-subset)图像的整理版本。数据集包含9,800,137张图像，这些图像的短边长度被调整为256像素，并以质量100的webp文件格式下载。数据集可用于特征提

Hugging Face2022-11-03 更新280

xdpo

多语言

机器学习

该数据集包含多种语言的训练和测试数据，涵盖以下语言：阿姆哈拉语（amh）、英语（eng）、埃维语（ewe）、法语（fra）、豪萨语（hau）、伊博语（ibo）、基尼亚卢旺达语（kin）、林加拉语（lin）、卢干达语（lug）、奥罗莫语（orm）、修纳语（sna）、索托语（sot）、斯瓦希里语（swa）、契维语（twi）、沃洛夫语（wol）、科萨语（xho）、约鲁巴语（yor）、祖鲁语（zul）。每

Hugging Face2026-02-16 更新150

multi_para_crawl

机器翻译

多语言

MultiParaCrawl主要用于机器翻译任务，支持包括保加利亚语、加泰罗尼亚语、捷克语等多种语言。数据集规模在10万到100万条样本之间，采用CC0 1.0通用许可。该数据集允许用户指定语言代码对进行加载，并提供标准化数据操作。

OpenCSG2024-07-19 更新110

mekaneeky/Synthetic_English_VITS_22.5k

语音合成

多语言

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: dev path: data/dev-* - split: test path: data/test-* dataset_info: features: - name:

Hugging Face2023-10-27 更新210

Modified-hate-speech-bengali-hindi

仇恨言论检测

多语言

A multi-label hate speech dataset in Bengali and Hindi.

kaggle2024-04-28 更新130