Polski zbiór danych do wykrywania hejtu powstał przy współpracy z Wykop.pl

Bieżąca wersja zestawu danych składa się z 24 000 próbek anonimizowanej treści, 12 000 sztuk dla „szkodliwych” i 12 000 dla klasy „neutralnej”.

A to dopiero pierwsza strona gorących

Pewnie znowu wytrenują na lewacką modłę ze nie można obrażać wszystkich poza polskim heteroseksualnym białym mężczyzną, tzw dyskryminacja pozytywna

Andrzej Prałat

Przypadek? Nie sądzę.

content banned from a web service Wykop.pl (often called the "Polish Reddit") by professional moderators

[...]

The human moderation dynamics of the platform let us assume that the remaining (not banned) content after this period can be considered non-harmful.

Patrząc na jakość i skuteczność pracy moderacji, śmiem wątpić nad jakością tego zbioru Musieliby zrobić selekcję i wyciąć tagi #blackpill i #patostreamy bo tam co chwila albo hejt albo wyzwiska. Zakładam więc że grupa kontrolna zawiera wcale niewiele mniej hejtu niż sama próbka.

Garbage in -> garbage out

Ciekawe o kim to było, przed anonimizacją?

Pierwsza myśl - [pseudonym]. Ku⁎⁎⁎⁎zcze, które zrobiłoby wszystko za status [pseudonim] w serwisie.

Wytrenować na tym LLMa i będzie śmiesznie

@rakieciara O qrwa, dobry se model znaleźli to tak jakby próbowali nauczyć AI uczciwości od polityka xD

@rakieciara  100 razy więcej hejtu jest na forum Gazety Wyborczej - tyle, że tam wyzywają katolików i księży. Wystraczy byle tekst, że ulicami przeszła procesja z okazji bożego ciała. Gdyby te wpisy dotyczyły Murzynów, ich autorzy dostawaliby wyroki.

rakieciara chyba nie wie jakim rakotwórczym gównem jest wykop, nawet nie chce mi się klikać....

@rakieciara a tymczasem Wykop traci coraz więcej użytkowników. Najnowsze dane > https://www.hejto.pl/wpis/sa-nowe-statystyki-odwiedzalnosci-polskich-internetow-mediapanel-w-kategorii-med

Wieść głosi że Michał Białek z Poznania osobiście tam dodał dziecięcą pornografię.