yuanjie-ai/ChineseSensitiveVocabulary

🎉 Dataset từ ngữ nhạy cảm Trung Quốc cho hệ thống anti-spam

Danh sách từ ngữ nhạy cảm toàn diện, từ bạo lực đến色情, chính trị đến quảng cáo độc hại – tất cả đều có thể tích hợp chỉ với vài dòng Python.

ChineseSensitiveVocabulary là một dataset mở chứa các từ ngữ nhạy cảm tiếng Trung, được phân loại thành nhiều nhóm như bạo lực và vật cấm,色情, chính trị nhạy cảm, quảng cáo độc hại, cũng như language thô tục. Dự án này cung cấp cách truy-access đơn thông qua package Python minidata, giúp developer dễ dàng lấy dữ liệu để xây dựng hệ thống kiểm soát nội dung.

✨ Điểm nổi bật

• Terrorism and prohibited: Chứa các từ liên quan đến bạo lực và vật cấm
• Pornography: Thu thập từ ngữ liên quan đến色情
• Political sensitivity: Danh sách từ ngữ nhạy cảm về chính trị
• Malicious promotion: Các từ dùng trong quảng cáo độc hại
• Vulgar abuse: Language thô tục và lời miệt thị
• Simple API: Truy cập qua GoldenDataset từ package minidata chỉ với một dòng code
• DataFrame output: Trả về pandas DataFrame để dễ dàng xử lý

💡 Vì sao đáng chú ý

Dự án này tập trung vào một vấn đề thực tế trong việc kiểm soát nội dung tiếng Trung – một ngôn ngữ có hệ thống từ vựng phong phú và phức tạp. Việc có một dataset được phân loại rõ ràng giúp các đội phát triển anti-spam và moderation system tiết kiệm thời gian. Cách dùng qua minidata cũng cho phép tích hợp nhanh chóng mà không cần thiết lập phức tạp.

#NLP #AntiSpam #ChineseNLP #SensitiveWords #TiniX