新闻 · Hugging Face Blog
Nemotron-Personas-Finance-Japan：捕捉日本人口结构与金融背景的合成数据集
en
英文原标题：Nemotron-Personas-Finance-Japan: A Synthetic Dataset Capturing Japan's Demographics and Financial Context
本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗
- NVIDIA 与 Elith 联合发布 Nemotron-Personas-Finance-Japan，这是开源人物画像数据集 Nemotron-Personas-Japan 的金融领域扩展，据称是首个百万级、结合日本官方统计与家庭金融及金融素养数据的开放人物画像数据集。
- 数据集基于日本政府官方统计，使用 NeMo SDG-PGMs 概率图模型框架和 NeMo Data Designer 合成数据生成系统构建，并采纳了损保日本、东京海上控股、福冈银行、瑞穗金融集团、明治安田生命及 FDUA 等日本金融机构和行业协会的反馈。
- 数据集包含 900 万人物画像（100 万条记录×9 种画像），每条记录 50 个字段，约 15 亿 token，约 95 万个唯一姓名，1600 多个职业类别，覆盖人口、地区、资产分布和性格特征等维度。
- 所有画像均为合成数据，不涉及真实个人；人口统计和家庭财务遵循官方统计与公开调查，姓名遵循日本命名模式，旨在降低隐私风险。
- 数据集以 CC BY 4.0 许可发布，可用于商业和非商业用途，支持多轮对话生成、金融领域 AI 助手开发、偏见测试与公平性评估，并可与 NeMo User Sim 用户模拟框架集成。
关键数据
- 900 万人物画像（100 万条记录×9 种画像）
- 每条记录 50 个字段：9 个画像字段、11 个画像属性和 30 个基于官方统计的上下文字段
- 约 15 亿 token，其中约 7.5 亿为画像 token
- 约 95 万个唯一姓名
- 1600 多个职业类别
- 比 Nemotron-Personas-Japan 多 50% 的画像，字段从 22 个增至 50 个
- 采用 CC BY 4.0 许可
引语
- 据我们所知，这是首个百万记录规模、将日本官方统计与家庭金融和金融素养数据配对的开放人物画像数据集。
为什么值得看：该数据集为日本金融 AI 开发提供了无需真实客户数据、符合隐私法规且贴近本地人口与金融背景的大规模合成数据基础。