---
license: cc-by-4.0
configs:
- config_name: default
  data_files:
  - split: train
    path: data/train-*
dataset_info:
  features:
  - name: uuid
    dtype: string
  - name: political_persona
    dtype: string
  splits:
  - name: train
    num_bytes: 297494468
    num_examples: 1000000
  download_size: 33654999
  dataset_size: 297494468
---

# Nemotron-Personas-Korea-Political

## Overview

`nvidia/Nemotron-Personas-Korea` 데이터셋에 정치 성향 레이어를 추가한 파생 데이터셋입니다.
각 페르소나의 인구통계 정보(성별, 연령, 지역, 직업)를 기반으로 통계적 정당 지지 성향을 추정하여 텍스트로 표현합니다.

---

## Dataset Details

| 항목 | 내용 |
|---|---|
| 행 수 | 7,000,000 |
| 컬럼 수 | 2 |
| 언어 | 한국어 |
| 라이선스 | CC BY 4.0 |
| 원본 데이터셋 | [nvidia/Nemotron-Personas-Korea](https://huggingface.co/datasets/nvidia/Nemotron-Personas-Korea) |

---

## Columns

| 컬럼명 | 타입 | 설명 |
|---|---|---|
| `uuid` | string | 원본 페르소나 UUID (nvidia/Nemotron-Personas-Korea와 동일) |
| `political_persona` | string | 인구통계 기반 정치 성향 텍스트 |

---

## Example

```python
{
  "uuid": "03b4f36a18e6469386d0286dddd513c8",
  "political_persona": "정치 성향은 더불어민주당을 강하게 지지합니다. 같은 인구통계 집단의 정당별 지지 순위는 1위 더불어민주당 68.4%, 2위 국민의힘 10.9%, 3위 조국혁신당 9.4%, 4위 진보당 2.8%, 5위 개혁신당 1.3%입니다."
}
```

---

## Methodology

### 데이터 소스

- **여론조사**: 리얼미터 주간집계 2026년 5월 3주차 (에너지경제신문 의뢰)
  - 조사기간: 2026년 5월 21일~22일
  - 표본: 전국 18세 이상 남녀 1,004명
  - 표본오차: ±3.1%p (95% 신뢰수준)

### 추정 방법

나이브 베이즈(Naive Bayes) 방식으로 각 인구통계 조합의 정당 지지 확률을 추정합니다.

$$P(\text{정당} \mid \text{성별, 연령, 지역, 직업}) \propto \prod_{i} P(\text{조건}_i \mid \text{정당}) \cdot P(\text{정당})$$

### 변수 매핑

**성별**
| 원본 값 | 매핑 값 |
|---|---|
| 남자 | 남성 |
| 여자 | 여성 |

**연령**
| 원본 값 | 매핑 값 |
|---|---|
| 19~29 | 18~29세 |
| 30~39 | 30대 |
| 40~49 | 40대 |
| 50~59 | 50대 |
| 60~69 | 60대 |
| 70+ | 70세 이상 |

**지역**
| 원본 값 | 매핑 값 |
|---|---|
| 서울 | 서울 |
| 인천, 경기 | 인천/경기 |
| 대전, 세종, 충청남, 충청북 | 대전/세종/충청 |
| 강원 | 강원 |
| 부산, 울산, 경상남 | 부산/울산/경남 |
| 대구, 경상북 | 대구/경북 |
| 광주, 전라남, 전북 | 광주/전라 |
| 제주 | 제주 |

**직업**
| 매핑 값 | 해당 직종 예시 |
|---|---|
| 사무/관리/전문직 | 공무원, 교사, 의사, 변호사, 연구원 등 |
| 판매/생산/노무/서비스 | 판매직, 제조업, 운전직, 서비스직 등 |
| 가정주부 | 전업주부, 육아 중인 경우 |
| 자영업 | 식당, 카페, 개인사업자 등 |
| 학생 | 대학생, 대학원생 등 |
| 농/임/어업 | 농업, 어업, 축산업 등 |
| 무직/은퇴/기타 | 무직, 은퇴, 구직 중 등 |

---

## Usage

### 단독 사용

```python
from datasets import load_dataset

dataset = load_dataset("inthree3/Nemotron-Personas-Korea-Political")
print(dataset["train"][0])
```

### 원본 데이터셋과 병합

```python
from datasets import load_dataset
import pandas as pd

# 로드
original  = load_dataset("nvidia/Nemotron-Personas-Korea")
political = load_dataset("inthree3/Nemotron-Personas-Korea-Political")

# 병합
original_df  = original["train"].to_pandas()
political_df = political["train"].to_pandas()

merged = original_df.merge(political_df, on="uuid")
print(merged.columns.tolist())
print(merged.head(1)["political_persona"].values[0])
```

---

## Limitations

- 본 데이터셋의 정치 성향은 **통계적 추정값**으로, 개인의 실제 정치 성향을 나타내지 않습니다.
- 나이브 베이즈 방식은 변수 간 독립을 가정하므로 실제 교차 효과를 완전히 반영하지 못합니다.
- 여론조사 데이터는 특정 시점(2026년 5월)을 기준으로 하며, 정치 지형 변화에 따라 달라질 수 있습니다.
- 여론조사 표본오차(±3.1%p)가 추정값에 반영되지 않았습니다.

---

## Citation

본 데이터셋을 사용할 경우 원본 데이터셋과 함께 인용해 주세요.

```bibtex
@dataset{nemotron_personas_korea_political,
  title     = {Nemotron-Personas-Korea-Political},
  author    = {inthree3},
  year      = {2026},
  publisher = {HuggingFace},
  url       = {https://huggingface.co/datasets/inthree3/Nemotron-Personas-Korea-Political},
  note      = {Derived from nvidia/Nemotron-Personas-Korea (CC BY 4.0)}
}

@dataset{nemotron_personas_korea,
  title     = {Nemotron-Personas-Korea},
  author    = {NVIDIA},
  year      = {2026},
  publisher = {HuggingFace},
  url       = {https://huggingface.co/datasets/nvidia/Nemotron-Personas-Korea}
}
```

---

## License

[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 원본 데이터셋 `nvidia/Nemotron-Personas-Korea`의 라이선스를 따릅니다.