El corpus español EXIST 2023 es una colección de tuits etiquetados con información relacionada con el sexismo: si el tweet es sexista, el tipo de intención que muestra el autor del tuit y el tipo de sexismo que se está ejerciendo.
El corpus es una colección de 2062 tweets en español anotados con una etiqueta binaria que indica si los tweets contienen un mensaje de esperanza o no. Consta de tuits relacionados con LGTB que fueron recopilados con la API de Twitter (27 de junio de 2021 al 26 de julio de 2021) y un conjunto de tuits recopilados mediante la herramienta UMUCorpusClassifier, que permite definir diferentes criterios de búsqueda como palabras clave, cuentas y geolocalización. El corpus es una versión mejorada y ampliada del conjunto de datos SpanishHopeEDI.
Corpus de tuits en español mexicano que contienen sustantivos indicativos de la comunidad LGBT+, incluyendo jerga, insultos y terminología general utilizada para nombrar a los miembros del colectivo LGBT+. Las fechas de este conjunto de tweets son del 01-01-2012 al 10-01-2022. Para compilar el corpus se recolectaron datos de Twitter utilizando la API con un filtro geográfico específico de México. Además, se empleó un léxico de términos LGBTQ+ para seleccionar los tweets obtenidos.
