sexting-dataset

抓取公开色情对话，为聊天机器人提供训练数据。

sexting-dataset 是一个从互联网公开资源抓取的色情对话数据集，主要面向聊天机器人、对话系统和自然语言处理研究。项目以 Shell 脚本实现数据采集，提供结构化的对话样本，用于训练和评估模型在成人内容场景下的语言理解和生成能力。其核心价值在于填补了该垂直领域高质量训练数据的空白，帮助开发者构建更自然、更符合语境的成人向对话应用。数据集包含多样化的对话风格和情境，支持文本分类、情感分析、对话生成等任务。项目处于早期阶段，数据规模和更新频率有限，但为相关研究提供了基础资源。

开源 free 对话助手
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 106
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类对话助手
开发团队labsensacional
所属国家
官网地址
GitHubhttps://github.com/labsensacional/sexting-dataset
定价模式free
价格说明开源数据集，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Shell
技术栈/模型chat,chatbot,conversation,dataset,erotic,sexting
GitHub 星标★ 106
30天Star增速
HF 下载量
上线时间2020-08-09 00:00:00
最近更新2026-09-11 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 填补成人对话数据空白，提供真实场景样本
  • 基于公开资源，数据获取方式透明
  • 简单 Shell 脚本，易于扩展和定制

不足之处

  • 数据规模较小，覆盖场景有限
  • 文档和社区支持待观察

适用场景

  • 训练成人向聊天机器人的对话生成模型
  • 研究色情文本的语言特征和情感表达
  • 构建内容审核或安全过滤器的反例数据集

替代项目

OpenSubtitles、Cornell Movie-Dialogs Corpus、Pushshift Reddit Dataset

项目介绍

sexting-dataset 是数据集领域的开源项目，由 labsensacional 开发，2020 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 106。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-11。开源数据集，MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：训练成人向聊天机器人的对话生成模型。同类可对比的替代方案包括 OpenSubtitles、Cornell Movie-Dialogs Corpus、Pushshift Reddit Dataset。

上一篇：fountain

下一篇：upgini

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09