WikiHarass FR: Difference between revisions
From Algolit
| Line 11: | Line 11: | ||
L’[https://figshare.com/projects/Wikipedia_Talk/16731 ensemble de données original] consiste en: | L’[https://figshare.com/projects/Wikipedia_Talk/16731 ensemble de données original] consiste en: | ||
| − | * Un corpus de tous les 95 millions d'utilisateurs et d'articles diff fait entre 2001 | + | * Un corpus de tous les 95 millions d'utilisateurs et d'articles diff fait entre 2001 et 2015 marqué par le modèle d'attaque personnelle. |
* Un jeu de données annoté humainement d'1m d'annotations crowd-sourcées couvrant 100k diff (avec 10 jugements par diff). | * Un jeu de données annoté humainement d'1m d'annotations crowd-sourcées couvrant 100k diff (avec 10 jugements par diff). | ||
Latest revision as of 13:55, 2 November 2017
| Type: | Ensemble de données |
| Source: | Wikipédia anglais |
| Développé par: | La Fondation Wikimedia |
Le Detox dataset est un projet de Wikimedia et de Perspective API pour former un réseau neuronal qui permettrait de détecter le niveau de toxicité d'un commentaire.
L’ensemble de données original consiste en:
- Un corpus de tous les 95 millions d'utilisateurs et d'articles diff fait entre 2001 et 2015 marqué par le modèle d'attaque personnelle.
- Un jeu de données annoté humainement d'1m d'annotations crowd-sourcées couvrant 100k diff (avec 10 jugements par diff).
Pour Algolit, une plus petite section de l'ensemble de données Detox a été utilisée, tirée du Github Jigsaw, qui contient à la fois des modifications constructives et vandalistes.