MatrAIx_Persona_1M MatrAIx2026

类型
dataset
下载量
11,740
点赞
43
访问
public
文件
20

标签

  • 文本数据集
  • 预训练语料
  • 多语言语料
  • 合成数据
  • 文本生成
  • NLP

摘要

MatrAIx Persona 1M 是一个包含999,847条人物画像的高质量人物资料数据集，每条画像由1290个分类属性描述，来源涵盖维基百科、Stack Overflow调查、亚马逊评论、综合社会调查(GSS)、真实人类调查及全DAG合成数据。该数据集采用紧凑的4-bit编码存储（645字节），需配合schema代码本用pyarrow解码读取，并内置了基于2024年全球人口分布的校准目标。适用于人物画像建模、人口统计分析、社会调查研究和合成数据生成等领域。

README

--- pretty_name: MatrAIx Persona 1M Public Release task_categories: - text-generation tags: - persona - coreset - synthetic - survey - parquet size_categories: - 100K<n<1M configs: - config_name: sample data_files: - split: train path: sample/*.parquet --- # MatrAIx Persona 1M 999,847 个用户画像，每个由 1,2…

查看完整页面 · 查看原文