原文鏈接：http://tecdat.cn/?p=8640

原文出處：拓端數(shù)據(jù)部落公眾號

數(shù)據(jù)簡介

討論你關(guān)心的事情可能很困難。網(wǎng)絡(luò)暴力騷擾的威脅意味著許多人停止表達(dá)自己并放棄尋求不同的意見。平臺努力有效地促進(jìn)對話，導(dǎo)致許多社區(qū)限制或完全關(guān)閉用戶評論。

AI團(tuán)隊(duì)正在研究工具，以幫助提高在線評論互動。一個(gè)重點(diǎn)領(lǐng)域是研究負(fù)面的在線行為，如有害評論（即粗魯、不尊重或可能使某人離開討論的評論）。到目前為止，他們已經(jīng)構(gòu)建了一系列可用模型。但是當(dāng)前的模型仍然會出錯(cuò)，并且它們不允許用戶選擇他們感興趣的有害評論類型，例如，某些平臺可能可以接受褻瀆，但不能接受其他類型的有害內(nèi)容（查看文末了解數(shù)據(jù)獲取方式)。

數(shù)據(jù)詳情

數(shù)據(jù)格式

csv

字段

id

評論內(nèi)容

有害的

嚴(yán)重有害的

猥褻

威脅

侮辱

身份_仇恨

大小

67191kb

樣本量

159571

數(shù)據(jù)瀏覽

以前8行數(shù)據(jù)為例，我們來預(yù)覽一下：

變量探索：

總體高頻詞

有害的高頻詞

嚴(yán)重有害的高頻詞

猥褻高頻詞

詞云

數(shù)據(jù)獲取

在下面公眾號后臺回復(fù)“有害評論文本數(shù)據(jù)”，可獲取完整數(shù)據(jù)。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

Python中用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型

左右滑動查看更多

01

02

03

04

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

R語言NLP案例：LDA主題文本挖掘優(yōu)惠券推薦網(wǎng)站數(shù)據(jù)

自然語言處理NLP：情感分析疫情下的新聞數(shù)據(jù)

R語言自然語言處理（NLP）：情感分析新聞文本數(shù)據(jù)

python用于NLP的seq2seq模型實(shí)例:用Keras實(shí)現(xiàn)神經(jīng)機(jī)器翻譯

用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類

適用于NLP自然語言處理的Python：使用FacebookFastText庫

用于NLP的Python：使用Keras進(jìn)行深度學(xué)習(xí)文本生成

用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類

python在Keras中使用LSTM解決序列問題

Python對商店數(shù)據(jù)進(jìn)行l(wèi)stm和xgboost銷售量時(shí)間序列建模預(yù)測分析

Python中利用長短期記憶模型LSTM進(jìn)行時(shí)間序列預(yù)測分析 - 預(yù)測電力消耗數(shù)據(jù)

在Python中使用LSTM和PyTorch進(jìn)行時(shí)間序列預(yù)測

欲獲取全文文件，請點(diǎn)擊左下角“閱讀原文”。