MatrAIx Persona 1M est un ensemble de données de personas publié par MatrAIx, conçu pour fournir des données de personas fines et diversifiées pour des scénarios tels que la génération de données synthétiques, la modélisation de foule, le dialogue personnalisé, la simulation et l'évaluation. Cet ensemble de données contient 999 847 profils de personnages, dont 599 847 proviennent de documents réels et 400 000 sont synthétisés à partir d'un graphe acyclique orienté (DAG) complet. Chaque profil est décrit par 1 290 attributs catégoriels, couvrant des dimensions telles que les données démographiques, la langue, la profession, les compétences, la personnalité, les valeurs, les intérêts, le comportement, la santé et les caractéristiques du développeur. Les données relatives aux personnes de moins de 18 ans ont été supprimées.

Composition de l'ensemble de données :

• Extrait de Wikipédia : 323 438 entrées
• Enquête Stack Overflow : 113 120 résultats
• Extrait des commentaires Amazon : 97 915
• Enquête sociale exhaustive : 63 532 items
• Alignement PRISM : 1 487
• Enquête auprès de personnes réelles : 355 éléments
• Données complètes de synthèse DAG : 400 000 entrées

Champs de données :

• source, source_row_index, source_record_id : Informations sur la source des données et la traçabilité.
• attributs : 1 290 attributs stockés dans le package.
• null_bitmap : Bitmap avec des attributs manquants
• attribute_overrides : Remplacements des valeurs d’attribut qui dépassent la valeur exacte spécifiée dans le tableau d’encodage.
• populated_attribute_count : Le nombre d’attributs non vides dans la ligne actuelle.
• has_description, description_count, descriptions : champs de description en langage naturel
• Fondements : Preuves de terrain, niveau de confiance et type de mission
• metadata_json : Métadonnées spécifiques à la source