README.md

metadata

license: cc-by-4.0
task_categories:
  - text-classification
language:
  - ru
tags:
  - toxicity
  - multi-label-classification

Russian Multi-Task Toxicity Dataset (Hybrid)

Этот датасет представляет собой агрегированную выборку из различных источников русскоязычных комментариев, включая социальные платформы и размеченные корпуса чувствительных тем. Данные очищены от мусора (ссылок, тегов, лишних пробелов) и размечены по трем независимым классам токсичности:

1. profanity — ненормативная лексика / нецензурные выражения.
2. threat — прямые или косвенные угрозы.
3. illegal — призывы к нарушению закона или обсуждение незаконной деятельности (наркотики, оружие, хакерство).

Распределение классов

• Всего уникальных комментариев: 39,837
• PROFANITY (ненормативная лексика): 5,152 (12.93%)
• THREAT (угрозы): 1,873 (4.70%)
• ILLEGAL (противоправный контент): 8,310 (20.86%)

Структура колонок

• comment (string): Текст комментария.
• profanity (int): Бинарный флаг наличия мата/оскорблений (0 или 1).
• threat (int): Бинарный флаг наличия угроз (0 или 1).
• illegal (int): Бинарный флаг наличия противоправных призывов (0 или 1).