Reference
고난도 설계에 기반한 주요 구축 사례를 알아보고 비즈니스에 도입하세요.
일상 대화[범용 학습] NT-NF 멀티턴 페르소나 대화 데이터
NT-NF 멀티턴 페르소나 대화 데이터
● 도메인 : 일상대화
● 구축 인원 : MBTI 유형별 2030대 남녀
● 데이터 구조 : 9.5~15.5턴으로 구성된 멀티턴 대화 시나리오
● 데이터 상태 : 즉시 판매 가능
[데이터 소개]
생성형 AI의 발화 스타일과 구조를 고도화하기 위해 MBTI 성격 유형 체계를 기반으로 구축한 대화 데이터셋으로, 다양한 성격 유형별 특성을 반영한 멀티턴 대화 구조를 통해 AI가 보다 자연스럽고 개인화된 응답을 생성할 수 있도록 설계되었습니다.
AI가 다양한 상황에서 자연스러운 대화 흐름을 학습할 수 있도록 일상적인 대화 주제부터 전문 영역까지 총 300여 개의 주제를 포함하고 있으며, 대화 상대 간의 관계성과 친밀도에 따라 달라지는 발화 스타일과 어휘 선택 양상을 반영합니다.
[데이터 특징]
NT(직관-사고형)와 NF(직관-감정형)의 대화 패턴과 개인의 고유한 발화 특성이 드러나도록 설계하였습니다.
각 대화 데이터에 MBTI 유형, 대화 주제, 친밀도 등 다양한 메타데이터를 라벨링하여 목적에 맞는 데이터 필터링과 세부 분석이 가능합니다.
이미지나 정보 참조 등 멀티모달 대화 상황을 포함하여 실제 대화 환경과 유사하게 구현하였습니다.
[샘플 데이터]
▶ 샘플 데이터 보기
NT-NF 멀티턴 페르소나 대화 데이터
● 도메인 : 일상대화
● 구축 인원 : MBTI 유형별 2030대 남녀
● 데이터 구조 : 9.5~15.5턴으로 구성된 멀티턴 대화 시나리오
● 데이터 상태 : 즉시 판매 가능
[데이터 소개]
생성형 AI의 발화 스타일과 구조를 고도화하기 위해 MBTI 성격 유형 체계를 기반으로 구축한 대화 데이터셋으로, 다양한 성격 유형별 특성을 반영한 멀티턴 대화 구조를 통해 AI가 보다 자연스럽고 개인화된 응답을 생성할 수 있도록 설계되었습니다.
AI가 다양한 상황에서 자연스러운 대화 흐름을 학습할 수 있도록 일상적인 대화 주제부터 전문 영역까지 총 300여 개의 주제를 포함하고 있으며, 대화 상대 간의 관계성과 친밀도에 따라 달라지는 발화 스타일과 어휘 선택 양상을 반영합니다.
[데이터 특징]
NT(직관-사고형)와 NF(직관-감정형)의 대화 패턴과 개인의 고유한 발화 특성이 드러나도록 설계하였습니다.
각 대화 데이터에 MBTI 유형, 대화 주제, 친밀도 등 다양한 메타데이터를 라벨링하여 목적에 맞는 데이터 필터링과 세부 분석이 가능합니다.
이미지나 정보 참조 등 멀티모달 대화 상황을 포함하여 실제 대화 환경과 유사하게 구현하였습니다.
[샘플 데이터]
▶ 샘플 데이터 보기