摘要該數(shù)據(jù)集面向網(wǎng)絡(luò)欺凌自動檢測任務匯集了來自Twitter、維基百科討論頁和YouTube等不同來源的社交媒體文本。數(shù)據(jù)集概述該數(shù)據(jù)集面向網(wǎng)絡(luò)欺凌自動檢測任務匯集了來自Twitter、維基百科討論頁和YouTube等不同來源的社交媒體文本。樣本按照是否包含欺凌行為進行標注并涵蓋仇恨言論、攻擊性表達、侮辱、毒性內(nèi)容、種族主義和性別歧視等多種網(wǎng)絡(luò)不良行為可為跨平臺內(nèi)容安全模型的訓練和評估提供數(shù)據(jù)支持。數(shù)據(jù)結(jié)構(gòu)與關(guān)鍵特征數(shù)據(jù)集由多個經(jīng)過解析的CSV文件組成包括攻擊性、攻擊行為、毒性、Twitter綜合數(shù)據(jù)、Twitter種族主義、Twitter性別歧視、YouTube及Kaggle來源數(shù)據(jù)。各文件保存平臺文本及其相應類別標簽既包含欺凌與非欺凌二分類信息也反映不同類型的有害語言。數(shù)據(jù)具有來源平臺多樣、表達方式復雜、類別定義存在差異及文本噪聲較多等特點適合開展跨數(shù)據(jù)源聯(lián)合建模與泛化能力研究。應用價值與研究方向該數(shù)據(jù)集可用于網(wǎng)絡(luò)欺凌識別、仇恨言論檢測、毒性評論過濾、社交平臺內(nèi)容審核及網(wǎng)絡(luò)環(huán)境風險預警。研究方向包括傳統(tǒng)機器學習與Transformer文本分類、多任務和多標簽學習、跨平臺領(lǐng)域適應、類別不平衡處理、隱晦攻擊識別、對抗魯棒性、模型可解釋性及實時審核系統(tǒng)開發(fā)還應關(guān)注數(shù)據(jù)偏差、群體公平性、語境誤判和用戶隱私保護避免模型對特定身份群體或語言表達產(chǎn)生不合理歧視。數(shù)據(jù)集來源由張家梁(Bob)整理并于2026年在7zcode平臺公開發(fā)布。數(shù)據(jù)集信息免責聲明與引用數(shù)據(jù)僅用于科研與教學用途。若用于商業(yè)場景請自行核驗數(shù)據(jù)許可。如需引用請在論文或報告中注明數(shù)據(jù)集名稱與版本號。作者信息作者Bob (張家梁)項目編號Datasets-588文件大小64M原創(chuàng)聲明本數(shù)據(jù)集為整理作品