PGT-FG
面向旁遮普语音乐内容的细粒度多模态毒性标注数据集，包含2396个片段级标注，覆盖二分类毒性、八类细粒度毒性类别、严重程度、情感及模态信息
时间轴 (近 90 天)
研究者构建了 Punjabi Geet Toxicity Dataset（PGT-FG），一个面向旁遮普语音乐内容的细粒度多模态毒性标注数据集。
PGT-FG 的数据来源是 YouTube 上公开可获取的旁遮普语歌曲，研究团队最初收集了620首歌，成功下载465首。
PGT-FG 最终包含来自392首歌的2,396个独立片段。
PGT-FG 的标注由四位旁遮普语母语者完成，共产生2,870条标注记录。
PGT-FG 中158个片段被四位标注者全部覆盖，用于计算一致性指标。
PGT-FG 的每条标注包含二分类毒性标签、八个细粒度毒性类别、严重程度、情感倾向、模态信息和不确定性标记。
PGT-FG 使用 Fleiss' kappa 在共享子集上测量标注者一致性，整体毒性标签的 kappa 值为0.6521。
在 PGT-FG 的2,396个片段中，705个（29.42%）被标为有毒，1,691个（70.58%）为非有毒。
在 PGT-FG 的有毒片段中，暴力类别出现频率最高，涉及539个片段（76.45%），其次是帮派指涉（227个，32.20%）和药物指涉（133个，18.87%）。
PGT-FG 已在 Zenodo 公开，DOI 为 10.5281/zenodo.23040156。
还有 2 条时间轴事件
全部知识事实 (12)
PGT-FG 的标注者仅四人、共享标注子集仅158个片段，一致性评估的统计效力有限。
50%待验证PGT-FG 的数据来源是 YouTube 上公开可获取的旁遮普语歌曲，研究团队最初收集了620首歌，成功下载465首。
50%待验证PGT-FG 最终包含来自392首歌的2,396个独立片段。
50%待验证PGT-FG 的标注由四位旁遮普语母语者完成，共产生2,870条标注记录。
50%待验证PGT-FG 中158个片段被四位标注者全部覆盖，用于计算一致性指标。
50%待验证PGT-FG 的每条标注包含二分类毒性标签、八个细粒度毒性类别、严重程度、情感倾向、模态信息和不确定性标记。
50%待验证PGT-FG 使用 Fleiss' kappa 在共享子集上测量标注者一致性，整体毒性标签的 kappa 值为0.6521。
50%待验证在 PGT-FG 的2,396个片段中，705个（29.42%）被标为有毒，1,691个（70.58%）为非有毒。
50%待验证在 PGT-FG 的有毒片段中，暴力类别出现频率最高，涉及539个片段（76.45%），其次是帮派指涉（227个，32.20%）和药物指涉（133个，18.87%）。
50%待验证研究者构建了 Punjabi Geet Toxicity Dataset（PGT-FG），一个面向旁遮普语音乐内容的细粒度多模态毒性标注数据集。
50%待验证出于版权考虑，PGT-FG 不随数据集再分发原始歌词、歌词摘录以及受版权保护的音视频内容。
50%待验证PGT-FG 已在 Zenodo 公开，DOI 为 10.5281/zenodo.23040156。
50%