---
language: ru
license: apache-2.0
task_categories:
- text-classification
- zero-shot-classification
pretty_name: Russian Toxic Comments Multi-label
size_categories: 100K-1M
tags:
- russian
- toxicity
- profanity
- threat-detection
- hate-speech
- offensive-language
- multi-label
- multi-task
- nlp
- text-classification
- social-media
- moderation
- bert
- rubert
- toxic-comments
- russian-language
annotations_creators:
- crowdsourced
language_creators:
- crowdsourced
multilinguality:
- monolingual
source_datasets:
- extended
---

# Russian Toxic Comments Multi-label Dataset

## Dataset Description

Этот датасет содержит размеченные комментарии на русском языке для задачи многозадачной (multi-task) и мультилейбл (multi-label) бинарной классификации токсичности.

### Цель

Обучение модели для автоматического обнаружения трех типов токсичного контента:
- **Profanity** (ненормативная лексика) — мат, оскорбления, нецензурная брань
- **Threat** (угрозы) — явные или скрытые угрозы в адрес других людей
- **Illegal** (запросы на нарушение закона) — запросы о незаконных действиях (отсутствует в данном датасете)

### Data Source

Датасет собран из источника:
- [Toxic Russian Comments](https://www.kaggle.com/datasets/alexandersemiletov/toxic-russian-comments) - размеченные комментарии из социальной сети ok.ru с классами: NORMAL, INSULT, THREAT, OBSCENITY

## Data Fields

- `text` (string): Текст комментария после очистки (удалены HTML-теги, ссылки, специальные символы, текст приведен к нижнему регистру)
- `profanity` (int): 1 - содержит ненормативную лексику (INSULT или OBSCENITY), 0 - не содержит
- `threat` (int): 1 - содержит угрозу (THREAT), 0 - не содержит
- `illegal` (int): 1 - содержит запрос о незаконных действиях, 0 - не содержит (в данном датасете отсутствует)

## Data Splits

| Split | Number of Examples |
|-------|-------------------|
| Train | 173,801 |
| Validation | 37,243 |
| Test | 37,244 |

## Class Distribution

| Class | Count | Percentage |
|-------|-------|------------|
| Profanity | 39,145 | 15.77% |
| Threat | 12,027 | 4.84% |
| Illegal | 0 | 0.00% |

## Preprocessing

Текст был очищен следующими шагами:
1. Приведение к нижнему регистру
2. Удаление HTML-тегов
3. Удаление ссылок (URL)
4. Удаление специальных символов (оставлены только буквы, цифры, пробелы и базовая пунктуация)
5. Удаление множественных пробелов

## Usage Example

```python
from datasets import load_dataset

dataset = load_dataset("IvanFed/russian-toxic-comments-multilabel")

# Доступ к данным
print(dataset['train'][0])

# Пример получения одного из классов
profanity_samples = dataset['train'].filter(lambda x: x['profanity'] == 1)
print(f"Примеров с ненормативной лексикой: {len(profanity_samples)}")