hatespeechdata

多语言仇恨言论数据集汇总与研究资源

该项目汇集了涵盖多种语言的仇恨言论、在线辱骂和攻击性语言数据集。收录内容包括来自不同平台的文本、图像和音频数据。项目旨在为自然语言处理系统提供训练资源，以提升有害内容检测能力。此外，项目还提供关键词列表和贡献指南，为研究人员和开发者改进在线内容审核和仇恨言论检测技术提供支持。

访问官网

Github

文档

论文

介绍相关项目

German-NLP - 德语自然语言处理开源工具及资源汇总

German-NLPGithub工具开源项目文本语料库语言处理资源

本页面收录了德语自然语言处理的各种开源工具和资源，涵盖文本语料库、通用资源、语言处理、语义分析、语音处理和机器翻译等多个类别。这些资源注重易用性和用户友好性，且保持持续更新。社区贡献和建议帮助维护列表的时效性。

awesome-llm-human-preference-datasets - 开放源码的人类偏好数据集，用于LLM的指令调整与评估

AnthropicGithubHuman PreferenceOpenAIRLHFStanford Human Preferences Dataset开源项目

本页面汇总了多个人类偏好开源数据集，适用于LLM的指令调整、强化学习和评估。涵盖的数据集包括OpenAI WebGPT Comparisons、OpenAI Summarization和Anthropic HH-RLHF等。数据集中包含的问题、模型回答和人类评价数据，旨在为语言模型的开发和改进提供资源。覆盖文本摘要、对话、人类偏好比较等领域，为LLM研究和应用提供全面支持。

awesome-ai - 人工智能资源汇总课程、工具与开源项目

Github人工智能开源项目机器学习深度学习神经网络自然语言处理

本项目汇集了人工智能领域的优质资源，包括课程、工具、应用和开源项目。内容涵盖机器学习、深度学习、自然语言处理、机器人技术和对话系统等热门方向，适合研究人员、开发者和学习者参考。此外还收录了AI公司、研究机构信息及业界动态，为探索AI前沿提供全面指南。

awesome-ml-for-cybersecurity - 网络安全机器学习资源综合指南

Github入侵检测开源项目恶意软件检测数据集机器学习网络安全

该项目汇集了机器学习在网络安全领域应用的关键资源,包括数据集、论文、书籍、演讲等。内容全面涵盖理论与实践,为研究人员和从业者提供了解和应用机器学习解决网络安全问题的参考指南。

chat-dataset-baseline - 中文对话模型训练资源整合平台

AI训练GithubLLaMA-Factory中文对话模型开源项目数据集模型优化

chat-dataset-baseline项目整合Hugging Face平台优质数据集，为中文对话模型训练提供全面资源。采用PDCA循环迭代，涵盖数据选择、模型训练、测试和优化。项目提供详细指南，适合数据科学家和AI爱好者快速上手，用于训练高质量中文基础模型，为特定行业应用打下基础。

toxic-comment-model - 使用DistilBERT进行在线毒性评论分类的模型与偏见分析

DistilBERTGithubHuggingface偏差培训数据开源项目模型毒性评论

该模型基于DistilBERT进行精调，专为在线毒性评论分类设计。尽管总体表现出色，但在识别某些身份群体时表现出偏见，如穆斯林和犹太人。通过示例代码能快速应用此模型，其在10000条测试数据中取得94%的准确率，但f1-score为0.59。更多信息及训练代码可在指定GitHub仓库获取。

awesome-machine-learning - 机器学习框架与资源汇总多语言开源项目集锦

Github开源项目数据分析机器学习深度学习自然语言处理计算机视觉

Awesome Machine Learning项目汇集了按编程语言分类的机器学习开源资源。涵盖计算机视觉、自然语言处理、深度学习等领域的框架、库和工具,涉及Python、Java、C++等多种语言。此外还收录相关书籍、课程和博客,为机器学习从业者提供全面参考。项目保持活跃更新,欢迎社区贡献优质资源。

OCR_DataSet - 综合OCR数据集资源库及工具集

Github图像标注开源项目数据集文字识别深度学习计算机视觉

OCR_DataSet项目整合了13个知名的多语言OCR数据集，涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外，项目还提供了数据生成工具链接，为OCR领域的研究和开发工作提供了全面的资源支持。

RedPajama-Data - 开放大规模多语言数据集助力大型语言模型训练

GithubRedPajama-Data-v2大语言模型开放数据集开源项目数据质量自然语言处理

RedPajama-Data-v2是一个包含30万亿tokens的开放数据集，用于训练大型语言模型。该数据集涵盖了超过100B的文本文档，来源于84个CommonCrawl快照。它包含英语、德语、法语、意大利语和西班牙语5种语言的内容，并提供多种质量信号和去重处理。项目提供完整的数据处理流程，包括准备工件、计算质量信号和去重等步骤，为语言模型研究提供高质量的大规模语料资源。

awesome-hungarian-nlp - 匈牙利NLP资源与工具综合清单

GithubNLP匈牙利语开源项目形态分析词向量语料库

该项目整理了丰富的匈牙利自然语言处理资源,包括开源工具、语言模型和数据集。涵盖分词、形态分析、词性标注等多项NLP任务,并收录预训练词嵌入和Transformer模型。此外还包含语料库、语言学资源等。内容全面,适合研究人员和开发者参考使用。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com