TextDetox Multilingual Toxicity — Hindi

A TextDetox 2024 shared task (Hindi) dataset of 5,000 Hindi posts (2,500 toxic, 2,500 non-toxic), collected by Dementieva et al. for PAN/CLEF TextDetox 2024. Each record contains post text, binary toxicity label (0=non-toxic, 1=toxic). TextDetox Hindi provides 5,000 balanced binary toxicity annotations — part of a 15-language multilingual benchmark for cross-lingual toxicity detection research. Suitable for toxicity detection, multilingual content moderation, cross-lingual NLP, hate speech classification, text detoxification.

#Detoxification#Pan clef#Shared task#Textdetox

Download data BibTeX JSONSimilar datasets

Analytics

Content metrics

5,000 records scored

is toxic50.0% true
true 50.0%false 50.0%
6.6
Flesch–Kincaid grade
US school grade level
11.0
Automated readability index
Frequent terms
करनअपनसरककरतपहलसकतउनकआपकसलमउसकअगरइसकजनतसमझइनकतरहइतनरपतसबसviaरणबसमयliveलगतकहतयवसकरकpolicemedianewsबहनइसलसबकbjpलकरवजहबदलहमलभगवसमरpranabmukherjeeखबरcovid19नजरacsकरवमहतरवररहतरमणकहनindiafightscorona
Topic clusters

Topic 0

रत
indiachinafaceoff
china
लद
ठक
पर
कब
गलव

Topic 1

policemedianews
मल
रफ
हत
आर
मद
वक
शव

Topic 2

कम
जय
औल
हर
अर
भड
कट
सड

Topic 3

cbi
रवर
चक
sushantsinghrajput
छत
रग
ncb
rheachakraborty

Topic 4

रणब
रपत
pranabmukherjee
खर
धन
रणव
रत
यक

Topic 5

नह
औल
अब
कम
अपन
कह
बन
रह

Topic 6

धर
हम
इस
नह
सलम
आत
इनक
हर

Topic 7

24
मल
छल
नए
covid19
रमण
कवर
अध

Topic 8

सभ
शह
नमन
भक
एव
रत
वन
मन

Topic 9

acs
चन
हन
यम
रद
आपद
तथ
एव

Topic 10

bihar
rjd
jdu
दव
cm
एम
गठब
nitishkumar

Topic 11

नव
अवम
sc
सल
बक
agr
supremecourt
prashantbhushan
Show all 53 topics

Topic 12

सरक
जनत
bjp
amp
सव
बच
नह
दल

Topic 13

rt
गन
ऑफ
bmc
जप
एमस
अव
आग

Topic 14

गन
kanganaranaut
रन
रक
बई
वस
kangana
जय

Topic 15

नई
रध
नम
तथ
pm
नर
महत
एज

Topic 16

टफ
पय
मत
ओम
airtel
नय
मर
000

Topic 17

शर
इनक
नह
सलम
आत
मस
अल
हर

Topic 18

indiafightscorona
बदलकर
यवह
covid19
staysafe
पहनन
अपन
रमण

Topic 19

तरह
दह
ऐस
पक
नह
आदम
मत
कट

Topic 20

ipl2020
ipl
2020
csk
आईप
एल
नई
sureshraina

Topic 21

इल
rt
छल
ठकर
70
इन
ईओ
15

Topic 22

live
पब
नब
छत
reportforssr
youtube
रत
tv

Topic 23

10
डल
हफ
जर
नट
आरड
हज
डबल

Topic 24

तल
धर
बल
रक
और
सत
यह
रथ

Topic 25

unlock4
अनल
इडल
बज
आज
इन
लखनऊ
बर

Topic 26

ऑक
जन
अभ
aap
नसभ
रद
यकर
चल

Topic 27

ओवर
रन
cwc19
ऑस
20
pakistan
engvaus
पहल

Topic 28

jee
ईई
jeemain
लव
शल
पर
चल
neet

Topic 29

उत
तर
रद
षण
आदरण
pm
रय
जन

Topic 30

पय
यव
आवश
अवगत
यक
एव
चन
जनपद

Topic 31

रज
डस
शभक
कव
आत
अत
कसभ
सद

Topic 32

यर
sharemarket
stockmarket
एयरट
बढ
business
38
उछ

Topic 33

jee
neet
सरक
रदर
jeefailedpostponeneet
sop
30
ssc

Topic 34

हर
यर
शब
नय
मध
सलम
अभ
आजम

Topic 35

gdp
थव
सरक
यवस
economy
कलम
अर
कड

Topic 36

बई
आजम
वड
लग
समर
थन
अब
जव

Topic 37

gdp
वट
23
अप
indianeconomy
सद
2020
economy

Topic 38

गद
सलम
जय
hai
अल
कश
इसल
धर

Topic 39

तबल
अपर
आर
सदर
मल
उसक
टड
ईड

Topic 40

यह
करक
जर
नह
उठ
ऐस
इसन
रह

Topic 41

यब
इक
वह
फक
सरक
सब
करण
सल

Topic 42

सद
जय
यसभ
जयस
गल
मर
police
चरस

Topic 43

गल
बच
खकर
डर
हजम
इर
चप
नह

Topic 44

500
700
पय
धरन
करव
५००
औरत
नक

Topic 45

जग
अलग
करण
सरक
उतरन
हम
नह
खमर

Topic 46

कफ
kafeelkhan
आद
ईक
इल
drkafeelkhan
टर
मथ

Topic 47

शद
अर
सलम
कश
सत
आत
कव
थरब

Topic 48

एमएसप
अड
100
बन
फसल
80
गर
धक

Topic 49

जग
17
वस
नट
00
बज
9म
9बज

Topic 50

यरस
coronavirus
ias
खतरन
षमत
धक
धन
इसस

Topic 51

sureshraina
जकरबर
रस
सब
भट
रव
हमल
facebook

Topic 52

सम
जध
delhi
पश
झम
शत
27
इत
Top emoji
😂216
🤔87
🤣75
😡58
🙏57
🚩51
👇42
😠33
😁29
👍25
😆25
🙄24
😀19
🇮16
🇳16

Computed over the full corpus.

Record

Catalog key
textdetox-hi
Authors
Dementieva, Daryna; Moskovskiy, Daniil; Logacheva, Varvara; Dale, David; Ustalov, Dmitry; Panchenko, Alexander
Year
2024
Source paper
Overview of the Multilingual Text Detoxification Task at PAN 2024
DOI / arXiv
10.1007/978-3-031-71908-0_11
License
OpenRAIL++ (Hugging Face card) (LicenseRef-OpenRAIL-plus-plus)
Records
5,000
Languages
hi
Collected
2024 (2020s)
Tasks
Toxicity detection (binary; is_toxic) inferred
Region
South Asia (inferred: from the language of the data)

Provenance

Originally published at
https://huggingface.co/datasets/textdetox/multilingual_toxicity_dataset link checked
Hosted copy
Mirrored on echo.directory on 2026-10-02, 781.4 KB across 1 files. Checksums in MANIFEST.json.

Citations

Overview of PAN 2024: Multi-author Writing Style Analysis, Multilingual Text Detoxification, Oppositional Thinking Analysis, and Generative AI Authorship Verification Condensed Lab Overview
A. Ayele, N. Babakov, Janek Bevendorff, Xavier Bonet Casals, Berta Chulvi
Journal Article · Conference and Labs of the Evaluation Forum · 2024

26
citations
cited
2
influential citations
8% of all citations

Cited by

Show all 10

Citation data from Semantic Scholar, retrieved 2026-10-19.

How to cite

BibTeX

@misc{echo2026,
  title  = {ECHO: Exploratory Compendium of Humanity Online},
  author = {Switzer, Braden and Zafarani, Reza},
  year   = {2026},
  url    = {https://echo.directory},
  note   = {Syracuse University}
}

@inproceedings{dementieva2024overview,
  title     = {Overview of the Multilingual Text Detoxification Task at PAN 2024},
  author    = {Dementieva, Daryna and others},
  booktitle = {CLEF 2024 Working Notes},
  year      = {2024}
}

APA

Switzer, B., & Zafarani, R. (2026). ECHO: Exploratory Compendium of Humanity Online [Data repository]. Syracuse University. https://echo.directory

Dementieva, D., Moskovskiy, D., Logacheva, V., Dale, D., Ustalov, D., & Panchenko, A. (2024). TextDetox Multilingual Toxicity — Hindi [Data set]. https://doi.org/10.1007/978-3-031-71908-0_11

MLA

Switzer, Braden, and Reza Zafarani. ECHO: Exploratory Compendium of Humanity Online. Syracuse University, 2026, echo.directory.

Dementieva, Daryna, et al. TextDetox Multilingual Toxicity — Hindi. 2024, doi.org/10.1007/978-3-031-71908-0_11.

BibTeX · RIS · CSL-JSON

Similar datasets 10 all with scores →