有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Waifu dataset|动漫角色数据集|虚拟人物数据集
收藏github2024-02-22 更新2024-05-31 收录
下载链接：
https://github.com/thewaifuproject/waifu-dataset
下载链接
链接失效反馈资源简介：
一个包含超过15000个waifus信息的数据集，每个waifu包含年龄、别名、生日、血型、胸围、创作者信息、描述、展示图片、身高、臀围、ID、喜欢数、名称、来源、系列、标签、垃圾数、腰围、体重等详细信息。
A dataset containing information on over 15,000 waifus, each with detailed attributes including age, aliases, birthday, blood type, bust size, creator information, description, display images, height, hip size, ID, number of likes, name, origin, series, tags, number of dislikes, waist size, and weight.
创建时间：
2018-11-03
原始信息汇总
Waifu数据集概述
数据集内容
- 名称: Yuuki Asuna
- 年龄: 未提供
- 别名: 風景 遼日向
- 生日: 9月30日（年份未提供）
- 血型: 未提供
- 三围: 胸围82.00cm, 腰围60.00cm, 臀围83.00cm
- 身高: 168.00cm
- 体重: 55.00kg
- 创作者信息:
- ID: 42
- 名称: Railtracks
- 角色名: 未提供
- 描述: Asuna是Kirito的朋友，也是血盟骑士团（KoB）的副团长，该公会约有三十名玩家，被称为艾恩葛朗特最强的公会。她是SAO中少数的女性玩家之一，因其出众的美貌而收到许多邀请和求婚。她是一位技巧高超的玩家，因其剑术非凡而获得“闪电闪”的称号。她的游戏昵称与真实姓名相同。
- 展示图片: 链接
- 来源: 日本
- 所属系列:
- 名称: Sword Art Online
- 描述: 2022年，一款名为Sword Art Online（SAO）的虚拟现实大型多人在线角色扮演游戏（VRMMORPG）发布。使用NerveGear头盔，玩家可以通过大脑刺激体验和控制游戏角色。SAO和NerveGear由Akihiko Kayaba创建。
- 标签:
- 最差动漫
- 垃圾
- 白痴
数据集大小
- 总大小: 3GB
- 包含内容: 包括图像
数据集来源
- 来源网站: MyWaifuList
数据集获取
- 获取方式: 使用
python scrapper.py脚本获取数据，数据存储于waifus.json文件中。
AI搜集汇总
数据集介绍
构建方式
Waifu数据集的构建过程主要依赖于网络爬虫技术，通过Python脚本从MyWaifuList网站中提取数据。具体步骤包括安装必要的Python依赖库，并运行scrapper.py脚本，该脚本自动抓取并整理相关数据，最终将所有信息存储为waifus.json文件。此外，数据集还包括了与角色相关的图像文件，总大小约为3GB，这些数据被托管在Kaggle平台上，便于用户下载和使用。
使用方法
使用Waifu数据集时，用户首先需要从Kaggle平台下载完整的数据集，包括waifus.json文件和相关的图像资源。通过解析JSON文件，用户可以获取每个角色的详细信息，并结合图像进行进一步的分析或应用。数据集适用于二次元文化研究、角色设计参考、机器学习模型训练等多种场景。用户还可以根据需求对数据进行筛选、分类或扩展，以满足特定的研究或开发目标。
背景与挑战
背景概述
Waifu数据集是一个专注于虚拟角色信息的集合，主要涵盖了动漫、游戏等二次元文化中的女性角色。该数据集由MyWaifuList平台提供，包含了角色的详细属性，如年龄、身高、体重、三围等，以及角色的背景故事和所属作品信息。数据集的核心研究问题在于如何通过结构化数据来分析和理解虚拟角色的特征及其在二次元文化中的影响力。该数据集的创建时间为2020年，主要研究人员或机构为MyWaifuList的开发团队。Waifu数据集为二次元文化研究、角色建模、推荐系统等领域提供了丰富的数据支持，推动了相关领域的研究进展。
当前挑战
Waifu数据集在解决虚拟角色特征分析问题时，面临的主要挑战包括数据的完整性和一致性。由于角色信息来源于用户生成内容，部分数据可能存在缺失或错误，如年龄、血型等字段的空值问题。此外，数据集的构建过程中，如何高效地从MyWaifuList平台抓取并整合大量数据也是一个技术难点。数据抓取过程中需要处理反爬虫机制、数据格式不统一等问题，确保数据的准确性和可用性。同时，数据集中的图像数据量较大，如何有效地存储和管理这些数据也是构建过程中需要解决的挑战之一。
常用场景
经典使用场景
Waifu数据集在动漫角色分析领域具有广泛的应用，尤其是在角色特征提取和用户偏好研究中。该数据集包含了大量动漫角色的详细信息，如年龄、身高、体重等，以及用户对这些角色的喜好程度。研究人员可以利用这些数据进行角色属性的统计分析，探索不同特征对用户偏好的影响。
解决学术问题
Waifu数据集为动漫角色研究提供了丰富的数据支持，解决了角色特征与用户偏好之间关系的研究难题。通过分析数据集中的角色属性和用户反馈，研究者可以深入探讨角色设计中的关键因素，如外貌特征、性格设定等对用户吸引力的影响。这不仅为动漫创作提供了科学依据，也为用户行为研究开辟了新的视角。
实际应用
在实际应用中，Waifu数据集被广泛用于动漫推荐系统的开发。通过分析用户对不同角色的喜好数据，推荐系统可以更精准地预测用户偏好，从而提供个性化的动漫推荐。此外，该数据集还可用于动漫市场分析，帮助制作方了解当前市场的角色设计趋势，优化角色设定以提升作品的市场竞争力。
数据集最近研究
最新研究方向
在虚拟角色与二次元文化研究领域，Waifu数据集为学者提供了丰富的素材。该数据集不仅包含了角色的基本信息，还涵盖了其创作者、所属系列及用户互动数据，为研究虚拟角色的社会文化影响提供了多维度的视角。近年来，随着虚拟现实技术的快速发展，虚拟角色在游戏、动漫及社交媒体中的影响力日益增强，Waifu数据集成为了探讨虚拟角色与用户情感连接、文化认同及性别角色构建的重要工具。此外，该数据集还被广泛应用于机器学习与自然语言处理领域，用于训练模型以识别和生成虚拟角色相关的文本与图像，推动了人工智能在二次元文化研究中的应用。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。
国家青藏高原科学数据中心 收录
ShapeNet
ShapeNet 是由斯坦福大学、普林斯顿大学和美国芝加哥丰田技术研究所的研究人员开发的大型 3D CAD 模型存储库。该存储库包含超过 3 亿个模型，其中 220,000 个模型被分类为使用 WordNet 上位词-下位词关系排列的 3,135 个类。 ShapeNet Parts 子集包含 31,693 个网格，分为 16 个常见对象类（即桌子、椅子、平面等）。每个形状基本事实包含 2-5 个部分（总共 50 个部分类）。
OpenDataLab 收录
lmarena-ai/arena-hard-auto-v0.1
--- license: apache-2.0 dataset_info: features: - name: question_id dtype: string - name: category dtype: string - name: cluster dtype: string - name: turns list: - name: content dtype: string splits: - name: train num_bytes: 251691 num_examples: 500 download_size: 154022 dataset_size: 251691 configs: - config_name: default data_files: - split: train path: data/train-* --- ## Arena-Hard-Auto **Arena-Hard-Auto-v0.1** ([See Paper](https://arxiv.org/abs/2406.11939)) is an automatic evaluation tool for instruction-tuned LLMs. It contains 500 challenging user queries sourced from Chatbot Arena. We prompt GPT-4-Turbo as judge to compare the models' responses against a baseline model (default: GPT-4-0314). Notably, Arena-Hard-Auto has the highest *correlation* and *separability* to Chatbot Arena among popular open-ended LLM benchmarks ([See Paper](https://arxiv.org/abs/2406.11939)). If you are curious to see how well your model might perform on Chatbot Arena, we recommend trying Arena-Hard-Auto. Please checkout our GitHub repo on how to evaluate models using Arena-Hard-Auto and more information about the benchmark. If you find this dataset useful, feel free to cite us! ``` @article{li2024crowdsourced, title={From Crowdsourced Data to High-Quality Benchmarks: Arena-Hard and BenchBuilder Pipeline}, author={Li, Tianle and Chiang, Wei-Lin and Frick, Evan and Dunlap, Lisa and Wu, Tianhao and Zhu, Banghua and Gonzalez, Joseph E and Stoica, Ion}, journal={arXiv preprint arXiv:2406.11939}, year={2024} } ```
hugging_face 收录
汶上县政府安排工作退役士兵选岗公示
该目录主要描述汶上县政府安排工作退役士兵选岗公示，包含主管单位、单位所在地、选岗人、接收安置单位、备注、安置计划、单位性质等信息项
山东公共数据开放网 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录