Create dataset offenseval_dravidian
还没有人认领这个 Issue。
评估
- 难度
- 1/5
- 预计耗时
- 1 小时以内
- 新手友好度
- 55/100
- Issue 类型
- 功能
- 描述清晰度
- 描述清楚
- 活跃度
- 停滞
- 领域
- data
调研方向
根据 issue 中的完整记录创建 offenseval_dravidian.json，首先检查附近的数据集 JSON 文件，以确认预期的位置和格式。新目录条目为有效的 JSON，并保留提供的数据集元数据、下载链接、许可信息和隐私字段，即表示完成。
由索引模型根据 Issue 内容生成。
描述
- uid: offenseval_dravidian
- type: primary
- description:
- name: Offenseval Dravidian
- description: Gold standard corpus for offensive language identification of code-mixed text in Dravidian languages (Tamil-English, Malayalam-English, and Kannada-English).
- homepage: https://huggingface.co/datasets/offenseval_dravidian
- validated: True
- languages:
- language_names:
- Indic
- Tamil
- Kannada
- Malayalam
- language_comments:
- language_locations:
- Southern Asia
- India
- validated: False
- language_names:
- custodian:
- name: Bharathi Raja Asoka Chakravarthi (
- in_catalogue:
- type: A private individual
- location: Ireland
- contact_name: Bharathi Raja Asoka Chakravarthi
- contact_email: [email protected]
- contact_submitter: False
- additional: https://github.com/bharathichezhiyan
- validated: False
- availability:
- procurement:
- for_download: Yes - it has a direct download link or links
- download_url: https://zenodo.org/record/4750858#.YZZArr1BydZ , https://huggingface.co/datasets/offenseval_dravidian
- download_email:
- licensing:
- has_licenses: Yes
- license_text:
- license_properties:
- open license
- license_list:
- cc-by-4.0: Creative Commons Attribution 4.0 International
- pii:
- has_pii: Yes
- generic_pii_likely: somewhat likely
- generic_pii_list:
- dates (birth, death, etc.)
- numeric_pii_likely: none
- numeric_pii_list:
- sensitive_pii_likely: somewhat likely
- sensitive_pii_list:
- racial or ethnic origin
- religious or philosophical beliefs
- political opinions
- data concerning a person's sex life or sexual orientation
- no_pii_justification_class:
- no_pii_justification_text:
- validated: False
- procurement:
- source_category:
- category_type: website
- category_web: social media
- category_media:
- validated: False
- media:
- category:
- text
- text_format:
- .CSV
- audiovisual_format:
- image_format:
- database_format:
- .CSV
- text_is_transcribed: No
- instance_type: Sentence and its offensive index
- instance_count: 10K<n<100K
- instance_size: 10<n<100
- validated: False
- category:
- fname: offenseval_dravidian.json
- 主要语言
- HTML
- 星标
- 91
- 派生
- 47
- PR 合并指标
- 30 天内没有已合并 PR
环境准备
这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
bigscience-workshop/data_tooling 的其他 Issue
-
data catalog
难度 1/5 1 小时以内 新手友好度 82/100
-
data catalog
难度 1/5 1 小时以内 新手友好度 62/100
-
data catalog
难度 2/5 1-3 小时 新手友好度 68/100
-
data catalog
难度 1/5 1 小时以内 新手友好度 72/100
-
data catalog
难度 2/5 1-3 小时 新手友好度 82/100
查看 bigscience-workshop/data_tooling 的全部 Issue
相似的 Issue
-
enhancement
难度 2/5 1-3 小时 新手友好度 66/100
OpenEuroLLM/training-data-packer#132 ·
维护者通常 1 天内回复
-
essspectroscopy
难度 2/5 1-3 小时 新手友好度 65/100
维护者通常 2 天内回复
-
OpenAI raw streaming tool-call messages without content raise KeyError可能已有人在做 @Darssal 今天认领。 未关闭
难度 2/5 1-3 小时 新手友好度 78/100
hiyouga/LlamaFactory#10897 ·
维护者通常 1 天内回复
-
continuous energy neutron
难度 2/5 1-3 小时 新手友好度 85/100
mcdc-project/mcdc#577 ·
维护者通常 1 天内回复
-
ConcatThenSplitIterDataset drops a document when restored from a JSON-serialized state可能已有人在做 @AshishKumar4 今天认领。 未关闭
难度 2/5 1-3 小时 新手友好度 75/100
维护者通常 1 天内回复