CPME（Chinese Personality & Multi-Emotion） 是首个将MBTI人格类型与多维度情绪强度标签结合的中文微博文本数据集，专为计算社会科学、情绪计算、风格化文本生成等研究方向设计。

Workflow for Creating the CPME Datas

该数据集由大规模语言模型 GPT 模拟生成，深度学习真实用户风格，兼顾心理学理论与技术可实现性，填补了中文情绪与人格数据资源的空白。

🔍 数据集亮点功能：

✅ 人格标签（MBTI）与多情绪标签首次结合16种MBTI人格类型，每条微博均标注相应人格与情绪类别，兼顾个体心理稳定特征与即时情绪波动。

✅ 宏观情绪 + 微观情绪 + 情绪强度评分涵盖六类基本情绪，并为每种情绪打分，细腻刻画人类情感状态，助力微情绪研究。

✅ 纯合成数据，无隐私风险由GPT模拟真实微博风格生成，避免使用用户隐私数据，既合规又真实可信。

✅ 分类准确率优于真实用户数据集实验表明，该数据集在人格识别与情绪分类任务中表现优异，展现出卓越的通用性和可拓展性。

✅ 心理模式符合实际人类情绪规律通过因子分析和相关性检验，数据集中人格与情绪的分布符合既有心理学研究结果，确保理论支撑。

📌 应用领域广泛，价值不可估量：

🎓 心理学与教育研究：洞察个性与情绪在学生行为、认知中的作用，为个性化教学提供依据。

🤖 智能客服与情绪聊天机器人：提升聊天机器人的共情能力与情绪响应精准度。

📢 营销与用户洞察：解析不同人格用户在社交媒体中的情绪倾向，为广告与内容推荐优化提供支撑。

📈 金融与情绪预测：分析舆情情绪对市场波动的影响，辅助情绪驱动投资模型。🗳️ 政治传播与社会研究：理解公众在政策事件中的情绪变化与群体心理反应。

🎨 创意生成与风格化文本创作：依据用户个性和情绪调性定制个性化文案、故事、对话内容。

📚 研究突破：

🔬 第一个融合人格和情绪维度的中文数据集

🤖 第一个基于大型语言模型生成的中文人格-情绪文本资源

🧠 第一个采用自主情绪标注工具标记宏/微情绪及强度的数据集

🧩 面向中文语境，CPME 数据集特别关注中文语言的表达细腻性与文化语义深度，尤其适用于需要语义理解、情绪共鸣、人格驱动内容建模的研究与产品开发。

📥 CPME 将为人工智能模型赋予“人性化”的理解能力，是迈向更智能、更情感化人机交互的关键一步。

📎 若您从事自然语言处理、心理学、社交媒体分析、对话系统设计或情绪识别方向，CPME 将是您不可或缺的重要工具！

📩 数据已开放欢迎测试！https://github.com/yeaso/Chinese-Affective-Computing-Dataset/tree/main

#CPME #中文情绪数据集 #人格情绪分析 #情感计算 #人工智能 #MBTI #微博语料 #多标签分类 #心理学AI #中文NLP #人机交互