dimkonn/russian-toxic-filtered

Russian Toxic Filtered Dataset Отфильтрованный и сбалансированный датасет для бинарной классификации токсичности текстов на русском языке. Источник данных Исходный датасет: Mnwa/russian-toxic Обработка Удаление пустых значений Удаление дубликатов Фильтрация по длине (< 3 слов или > 500 слов) Undersampling для балансировки классов Разделение train/val/test = 80/10/10 Размеры сплитов Train: 83 507 строк Val: 10 438 строк Test: 10 439… See the full description on the dataset page: https://huggingface.co/datasets/dimkonn/russian-toxic-filtered.