license	language	tags	short_description
cc-by-nc-sa-4.0	pt	hate-speech-detection lgbtqia portuguese dataset	Dataset para detecção de hate speech LGBTQIA+ em português

🏳️‍🌈 Base de Dados de Ódio LGBTQIA+

Dataset para detecção de hate speech contra pessoas LGBTQIA+ em português brasileiro com regras contextuais para proteger termos de dissidência de gênero.

✨ Funcionalidades

• Dataset Binário: Hate vs não-hate (expandido com ToLD-BR)
• Dataset Especializado: Transfobia vs Assédio/Insulto
• Regras Contextuais: Protege termos de gênero
• Anotações Manuais: Validadas por especialistas

📊 Estatísticas

• Total de exemplos: 4.780.095 (dataset binário expandido)
• Dataset manual: 2.053 exemplos
• Dataset especializado: 385.146 exemplos
• Dataset ToLD-BR: 1.942.521 exemplos

🎯 Regras Contextuais

Proteção de Termos de Gênero

• "boyceta": Detecta contexto positivo vs negativo
• "sapatão": Protege identidade lésbica
• "travesti": Respeita identidade trans

Contextos Detectados

• Positivo: orgulho, beleza, identidade, expressão
• Negativo: nojo, escroto, desgraçado, arrombado
• Educativo: definição, conceito, explicação
• Ridicularização: engraçado, hilário, cômico

📁 Estrutura

datasets/
├── dataset_binary_expanded_with_toldbr.csv    # Dataset binário expandido
├── dataset_manual_final.csv                   # Dataset manual
├── dataset_specialized_final.csv              # Dataset especializado
├── dataset_toldbr_final.csv                  # Dataset ToLD-BR
└── dataset_obvious_hate.csv                  # Casos óbvios de hate

🚀 Como Usar

import pandas as pd

# Carregar dataset binário
df_binary = pd.read_csv("dataset_binary_expanded_with_toldbr.csv")

# Carregar dataset manual
df_manual = pd.read_csv("dataset_manual_final.csv")

# Carregar dataset especializado
df_specialized = pd.read_csv("dataset_specialized_final.csv")

📈 Melhorias Recentes

• ✅ Integração com ToLD-BR
• ✅ Regras contextuais implementadas
• ✅ Proteção de termos de dissidência de gênero
• ✅ Detecção de contexto positivo vs negativo
• ✅ Threshold adaptativo otimizado

🔗 Links

• Modelo: radar-social-lgbtqia
• Space: radar-social-lgbtqia-space

⚠️ Importante

Este dataset foi desenvolvido para proteger a comunidade LGBTQIA+ e detectar discurso de ódio. As regras contextuais garantem que termos de identidade de gênero sejam respeitados.