Pantheon 1.0

Pantheon 1.0是由麻省理工学院媒体实验室创建的一个手动验证的数据集，包含11,341个在维基百科中超过25种语言存在的全球知名人物传记。数据集不仅包括基本的人口统计信息（出生地和日期、性别），还提供了一个三级聚合的职业分类系统，以及两个全球知名度指标：维基百科中传记存在的语言数量（L）和历史知名度指数（HPI）。该数据集旨在通过量化分析，探索人类生成信息的生产和传播，以及历史信息在时间和空间维度上的动态变化。

Pantheon 1.0 is a manually validated dataset created by the MIT Media Lab, containing 11,341 biographies of globally renowned individuals whose Wikipedia entries exist in more than 25 languages. The dataset includes not only basic demographic information such as place and date of birth, and gender, but also a three-tier aggregated occupational classification system, alongside two global fame metrics: the number of languages with Wikipedia biographies (L) and the Historical Popularity Index (HPI). This dataset aims to explore the production and dissemination of human-generated information, as well as the dynamic changes of historical information across temporal and spatial dimensions through quantitative analysis.

搜集汇总

数据集介绍

构建方式

Pantheon 1.0数据集通过从Freebase和277种语言版本的维基百科中提取数据构建而成。首先，研究人员从Freebase的实体知识图中筛选出2,394,169个被分类为‘人物’的实体，并通过维基百科API将这些人物与其英文维基百科页面进行关联。随后，通过维基百科API获取这些人物在其他语言版本中的存在情况，最终筛选出997,276个在维基百科中存在的人物。为了进一步精简数据集，研究人员手动验证了这些人物的出生地、出生日期、性别等人口统计信息，并引入了职业分类的层级结构。最终，数据集仅保留了在超过25种语言版本的维基百科中存在的人物传记，共计11,341条记录。

特点

Pantheon 1.0数据集的显著特点在于其全球性和多语言覆盖。该数据集包含了11,341位在全球范围内具有广泛知名度的历史人物传记，涵盖了超过25种语言的维基百科版本。此外，数据集还提供了详细的职业分类（包括职业、行业和领域三个层级），以及两个衡量全球知名度的指标：维基百科语言版本数量（L）和历史知名度指数（HPI）。HPI综合考虑了人物的年龄、页面浏览量以及语言版本的分布，能够更全面地反映人物的历史影响力。

使用方法

Pantheon 1.0数据集可用于研究历史信息的时空传播、性别不平等、职业与历史影响力的关系等多个领域。用户可以通过数据集中的职业分类、出生地、性别等信息进行多维度的分析。数据集提供了多种变量，如人物的出生年份、职业、总页面浏览量、语言版本数量（L）和历史知名度指数（HPI），用户可以根据这些变量进行统计分析和可视化展示。此外，数据集还提供了与其他数据集（如Human Accomplishments）的对比分析，帮助用户更好地理解历史人物的全球影响力。

背景与挑战

背景概述

Pantheon 1.0数据集是由麻省理工学院媒体实验室的Macro Connections团队创建的，由Amy Zhao Yu、Shahar Ronen、Kevin Hu、Tiffany Lu和César A. Hidalgo等研究人员主导。该数据集于2013年发布，包含11,341个在全球范围内具有广泛知名度的个人传记，这些传记在超过25种语言的维基百科中出现。数据集不仅包括基本的人口统计信息（如出生地、出生日期和性别），还引入了职业分类和两个衡量全球知名度的指标：维基百科中传记出现的语言数量（L）和历史知名度指数（HPI）。Pantheon 1.0的创建旨在通过量化历史信息，帮助研究者探索全球范围内人类生成信息的传播、性别不平等、职业与历史信息生产的关系等问题。该数据集的发布对历史信息量化研究领域产生了深远影响，尤其是在跨语言、跨时间和跨地理边界的研究中。

当前挑战

Pantheon 1.0数据集在构建过程中面临了多重挑战。首先，数据来源主要依赖于维基百科和Freebase，这些平台虽然提供了丰富的信息，但也存在编辑偏见、语言偏差和性别不平等的问题。其次，数据集的构建过程中需要手动验证和清理数据，尤其是地理信息的匹配和职业分类的规范化，这增加了数据处理的复杂性。此外，数据集的静态性也是一个挑战，因为它仅涵盖到2013年，无法反映此后出现的新兴全球知名人物。最后，数据集的分类系统虽然提供了多层次的职业分类，但限制了多才多艺者（如跨领域贡献者）的历史影响力分配，这为未来的研究提出了进一步优化的需求。

常用场景

经典使用场景

Pantheon 1.0数据集的经典使用场景主要集中在对全球知名人物传记的分析与研究。该数据集通过整合维基百科中超过25种语言的传记信息，提供了丰富的多维度数据，包括出生地、出生日期、性别、职业分类以及全球知名度指数（L和HPI）。研究者可以利用这些数据进行跨语言、跨时间和跨地理区域的分析，探索人类历史信息的传播与影响。例如，研究者可以通过分析不同语言版本的传记数量，研究全球知名人物的传播路径及其背后的文化与历史因素。

衍生相关工作

Pantheon 1.0数据集的发布催生了许多相关研究工作。首先，它为跨语言文化传播研究提供了新的视角，推动了对全球知名人物传播路径的深入分析。其次，该数据集激发了对历史信息量化方法的进一步探讨，尤其是在如何通过多语言数据衡量历史人物影响力方面。此外，Pantheon 1.0还为性别不平等和历史偏见的研究提供了数据支持，推动了对在线历史信息中性别偏见的深入探讨。最后，该数据集还为历史事件与人物关联的量化研究提供了新的工具，帮助研究者更好地理解历史事件与人物之间的复杂关系。

数据集最近研究

最新研究方向

近年来，Pantheon 1.0数据集在历史信息量化研究领域引起了广泛关注。该数据集通过整合全球多语言维基百科中的传记数据，提供了对历史人物全球知名度的量化分析。研究者们利用该数据集探索了多语言传播对信息扩散的影响，以及在线历史信息中的性别不平等和偏见问题。此外，Pantheon 1.0还引入了历史知名度指数（HPI），通过结合语言覆盖率、出生时间及页面浏览量等多维度数据，进一步提升了对历史人物影响力的评估精度。这些研究不仅为跨文化历史研究提供了新的视角，还为理解全球信息传播的动态变化提供了量化工具。

相关研究论文

• Pantheon 1.0, a manually verified dataset of globally famous biographies

  麻省理工学院媒体实验室 · 2016年