MatrAIx Persona 1M 是由 MatrAIx 发布的角色画像数据集，旨在为合成数据生成、人群建模、个性化对话、仿真与评测等场景提供细粒度、多样化的人物画像数据。 该数据集共包含 999,847 个角色画像，其中 599,847 个角色源自真实记录，400,000 个角色为全 DAG 合成的角色。每个画像由 1,290 个分类属性描述，覆盖人口统计、语言、专业、技能、个性、价值观、兴趣、行为、健康与开发者特征等维度，且 18 岁以下记录已移除。

数据集构成：

• 维基百科提取：323,438 条
• Stack Overflow 调查：113,120 条
• 亚马逊评论提取：97,915 条
• 综合社会调查：63,532 条
• PRISM 对齐：1,487 条
• 真实人类调查：355 条
• 全 DAG 合成数据：400,000 条

数据字段：

• source, source_row_index, source_record_id：数据来源与溯源信息
• attributes：打包存储的 1,290 个属性
• null_bitmap：缺失属性位图
• attribute_overrides：超出编码表的精确属性值覆盖
• populated_attribute_count：当前行非空属性数量
• has_description, description_count, descriptions：自然语言描述字段
• grounding：字段级证据、置信度与分配类型
• metadata_json：来源特定元数据