数据简介
AI团队正在研究工具,以帮助提高在线评论互动。一个重点领域是研究负面的在线行为,如有害评论(即粗鲁、不尊重或可能使某人离开讨论的评论)。到目前为止,他们已经构建了一系列可用模型。但是当前的模型仍然会出错,并且它们不允许用户选择他们感兴趣的有害评论类型,例如,某些平台可能可以接受亵渎,但不能接受其他类型的有害内容(查看文末了解数据获取方式)。
数据详情
数据格式
csv
字段
id
评论内容
有害的
严重有害的
猥亵
威胁
侮辱
身份_仇恨
大小
67191kb
样本量
159571
数据浏览
以前8行数据为例,我们来预览一下:
变量探索:
总体高频词
有害的高频词
严重有害的高频词
猥亵高频词
词云
点击标题查阅往期内容
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
01
02
03
04
点击标题查阅往期内容
python用于NLP的seq2seq模型实例:用Keras实现神经机器翻译
用于NLP的Python:使用Keras的多标签文本LSTM神经网络分类
适用于NLP自然语言处理的Python:使用FacebookFastText库
用于NLP的Python:使用Keras进行深度学习文本生成
用于NLP的Python:使用Keras的多标签文本LSTM神经网络分类
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析