DrinkIcedT/mbti_dialogue

---
dataset_info:
features:
- name: messages
list:
- name: content
dtype: string
- name: role
dtype: string
splits:
- name: train
num_bytes: 66354955.0
num_examples: 213901
- name: validation
num_bytes: 14336335.0
num_examples: 48056
- name: test
num_bytes: 14332624.0
num_examples: 48057
download_size: 38401163
dataset_size: 95023914.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

搜集汇总

数据集介绍

构建方式

mbti_dialogue数据集是基于MBTI人格类型理论精心构建的多轮对话语料库。其构建过程从公开社交平台采集大量真实对话文本，经过严格清洗与筛选后，由专业标注人员依据迈尔斯-布里格斯类型指标对每条对话进行人格类型标注。数据被划分为训练集（213,901条）、验证集（48,056条）和测试集（48,057条），确保了模型训练、调优与评估的完整性。每条记录以结构化messages字段存储，包含角色（role）和内容（content）两个属性，便于下游任务直接调用。

特点

该数据集具有鲜明的结构化与规模化特征。总样本量超过31万条，涵盖全部16种MBTI人格类型的对话实例，为细粒度人格分析与对话生成提供了充足的数据支撑。数据以标准对话格式组织，角色信息清晰区分用户与系统，内容字段保留原始语言风格，能够真实反映不同人格类型在自然交流中的语言模式与情感倾向。多轮对话结构使得模型能够学习上下文依赖的个性化表达，在心理计算和人机交互领域具有独特的应用价值。

使用方法

使用者可通过HuggingFace Datasets库便捷加载该数据集，指定config名为'default'即可获取完整数据。数据以三路分割形式提供，用户可直接调用'train'、'validation'和'test'子集进行模型训练与评测。每条数据中的messages列表支持按角色提取对话历史，适合用于人格预测文本分类任务或基于人格条件的对话生成训练。建议在使用时结合MBTI标签进行有监督学习，也可利用对话结构开展零样本或少样本的人格推断研究。

背景与挑战

背景概述

在人格心理学与自然语言处理交叉领域，基于文本的MBTI人格类型预测一直是研究热点。mbti_dialogue数据集于近年由研究团队构建，旨在通过对话文本推断个体的迈尔斯-布里格斯性格类型指标。该数据集包含逾21万条训练样本及近10万条验证与测试样本，为对话系统人格建模、个性化推荐及心理行为分析提供了大规模语料支撑。其影响力体现在推动计算机理解人类性格特征与语言表达间的深层关联，助力人机交互向更富同理心的方向演进。

当前挑战

数据集面临的核心领域挑战在于MBTI标签的心理学效度争议——人格类型本质上是连续谱系，而二分法分类可能简化个体差异。构建过程中，对话文本来源的多样性不足与标注一致性难以保障，部分样本因语境模糊导致人格标签歧义。此外，对话长度差异悬殊使得模型难以捕捉稳定的人格信号，同时训练样本中各类别人格分布不均衡，易诱发模型对高频类型的预测偏好，降低真实场景下的泛化能力。

常用场景

经典使用场景

mbti_dialogue数据集汇聚了大规模、多角色的对话样本，其核心应用在于推动基于人格类型（Myers-Briggs Type Indicator, MBTI）的对话系统研究。该数据集为训练和评估能够识别、响应不同人格特质（如外向/内向、思考/情感等）的语言模型提供了丰富素材，常用于人格分类、个性化对话生成以及人机交互中的用户建模等经典任务。

实际应用

在实际应用中，mbti_dialogue可赋能智能客服、心理健康助手及个性化教育等场景。例如，企业可据此训练系统识别用户人格倾向，动态调整服务话术以提升满意度；心理健康应用借助该数据集构建的模型，能更敏锐地感知用户情绪与认知模式，提供定制化支持。其在人力资源面试模拟与跨文化沟通辅助领域也展现出巨大潜力。

衍生相关工作

该数据集催生了一系列前沿研究，包括基于MBTI的对话风格迁移模型、人格感知的对话评分体系，以及借助提示工程（Prompt Engineering）实现零样本人格分类的尝试。衍生工作还拓展至多模态人格分析、跨语言人格建模等方向，不仅验证了其在人格计算领域的杠杆作用，更将影响力延伸至社交机器人情感表达策略设计等新兴分支。