datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
LGUplus_keyword_reranking
LGUplus_keyword_reranking
페르소나 기반 키워드 top1 선택 데이터셋. 350m 페르소나 모델의 <|kw|> 태스크 학습용.
(persona, date, 2h block) 마다: 그 블록에서 총 15분 이상 시청한 프로그램들의 키워드(1~8, dedup) 중,
그 사람의 성향을 가장 잘 대표하는 **키워드 1개(top1)**를 고른다.
태스크 I/O
입력: 주간 페르소나(전주, key_keywords 제외: viewing_tendency/preferred_genres/preferred_programs/frequent_channels) + 직전일 일일페르소나 서술 + 후보 키워드(1~8). 최근 시청이력은 입력에 넣지 않음(후보를 만들 때만 사용).
출력: 키워드 1개 (label_keyword)
후보 키워드 = 그 블록 15분+ 시청 프로그램들의 키워드(프로그램별 1개, dedup). 정답 = 교사… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_keyword_reranking.LGUplus_viewing_history
LGUplus Persona TV Viewing History
한국인 가상 페르소나 1만 명의 일주일치 TV 시청이력 합성 데이터셋입니다.
nvidia/Nemotron-Personas-Korea 페르소나와
실제 U+tv EPG(258채널 × 7일, 2026-06-03~09) 편성표를 기반으로, 교사 LLM(Qwen3-235B-A22B-Instruct-2507-FP8)이
2단계로 생성했습니다.
생성 방법
시청 스케줄 생성: 페르소나(직업·나이·가족·취미)를 보고 요일별 시청 시간대를 추정
(근거 문장을 schedule_reasoning으로 함께 생성 — 예: 주부/은퇴자는 평일 낮, 직장인은 저녁)
프로그램 선택: 각 (요일, 시간창)마다 해당 시간에 방영 중인 실제 편성표를 제시하고
페르소나가 시청할 프로그램을 순서대로 선택 (채널 현실성 지시: 주류 채널 위주,
전문채널은 취미·직업 일치 시에만 / 이미 본 (제목,회차)… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_viewing_history.LGUplus_summary_keyword
LGUplus Broadcast Streaming Summary & Keyword Dataset
한국어 방송 자막 기반 스트리밍(누적) 요약 + 키워드 추출 데이터셋입니다.
방송을 5분 단위로 진행하며, 매 5분마다 (직전까지의 요약 + 새 5분 자막)을 받아
방송 전체를 대표하는 한 문장 요약으로 갱신하고, 해당 5분의 핵심 키워드 1개를 뽑는 태스크를 위해 구축되었습니다.
데이터 구조
각 레코드 = 한 방송의 한 5분 구간(step).
필드
설명
program_name
프로그램명
last_summary
직전 시점까지의 누적 요약 (첫 청크는 "") — 입력
5min_script
이번 5분 구간 자막 ([역할] 발화 형식) — 입력
current_summary
갱신된 방송 전체 대표 요약 (한 문장) — 출력
current_5min_keyword
이번 5분 구간 핵심 키워드 (1개) — 출력… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_summary_keyword.LGUplus_daily_persona
LGUplus Daily Viewing Persona
하루치 시청기록 → 일일 시청성향 페르소나. 3주치(기존 6/39 + 신규 6/713, 6/14~20).
train = 기존주(6/39) + 신규 첫주(6/713) · test = 신규 다음주(6/14~20)
week 필드로 주 구분 (2026-06-03 / -06-07 / -06-14). 동일 1만 페르소나가 주마다 등장
입력 viewing(15분 초과 시청, content_summary 포함) → 출력 interest_genres/time_pattern/keywords/description (교사 LLM Qwen3-235B)
LGUplus_weekly_persona
LGUplus Weekly Viewing Persona
일주일치 일일 페르소나 → 주간 장기 시청성향 카드. 3주치(기존 + 신규 2주).
train = 기존주 + 신규 첫주 · test = 신규 다음주 · week 필드로 구분
입력 daily_personas(요일별) + main_genre/sub_genre(주별 시청 장르 카운트) → 카드 7필드(viewing_tendency/preferred_programs/frequent_channels/preferred_genres/weekday·weekend_viewing_times/key_keywords)
LGUplus_persona_4task_sft_v2
LGUplus_persona_4task_sft_v2
LG U+ 페르소나 350M(ternary QAT) 모델의 rolling 기반 SFT 학습 데이터 (v1의 rolling 버전).
각 행 = {task, prompt, completion}. 학습 시 loss는 completion(<|gen|> 뒤 + <|im_end|>)에만.
v1(LGUplus_persona_4task_sft)과의 차이:
일일(day)+주간(week) 페르소나 태스크를 rolling 페르소나 갱신 태스크 하나(persona)로 통합 → 4태스크 → 3태스크.
추천(chan)·키워드(kw)의 페르소나 컨텍스트를 주간+직전일 대신 전일까지 갱신된 rolling 페르소나 텍스트로 대체.
3태스크
task
토큰
입력(prompt)
출력(completion)
persona
<|persona|>
[이전 페르소나] + [오늘 시청 기록]
갱신된… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_persona_4task_sft_v2.LGUplus_keyword_rerank_top1_rolling
LGUplus 키워드 top1 리랭킹 (rolling-persona 기반, self-contained)
(persona, date, block) 마다 그 시청자가 그 블록에 15분+ 시청한 프로그램들의 키워드 후보 중,
그 사람의 관심사를 가장 잘 대표하는 키워드 1개를 교사 LLM(Qwen3-235B-A22B-Instruct-2507-FP8)이 선택.
persona 컨텍스트: jungsanghyun/lgu-rolling-persona
의 전일까지 갱신된 롤링 페르소나(장기+최근 성향+시청표), 추천대상 날짜의 직전 스냅샷(없으면 백워크).
후보 키워드는 그 블록 시청 프로그램의 키워드(페르소나 무관, 최근 시청은 미고려). 후보가 1개면 LLM 없이 그대로, 2개+ 만 LLM 선택.
업데이트: 이제 각 행이 입력을 포함(self-contained) — 페르소나 본문(persona_text)과 후보 키워드(cand_keywords) 를 함께 제공.… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_keyword_rerank_top1_rolling.LGUplus_recommendation_candidates
LGUplus_recommendation_candidates
LG U+ 페르소나 기반 TV 추천 파이프라인의 1차 후보 목록(A∪B, combo당 최대 20개)과
후보 id를 프로그램 상세로 조인하기 위한 프로그램 테이블입니다.
최종 top5 선정(교사 LLM)은 이 후보에서 5개를 고르는 다음 단계이며, 여기엔 후보까지만 포함합니다.
구성
하루를 12개 2시간 블록으로 나눔. (persona_id, date, block) 마다 후보 2종:
cand_stat (후보A · 시청통계): 기반주에 그 페르소나가 가장 많이 본 채널 top10, 각 채널에서 그 블록에 가장 먼저 시작하는 프로그램 1개 (≤10).
cand_persona (후보B · 주간페르소나): 그 블록 프로그램을 주간페르소나 프로필과 ko-sroberta 임베딩 유사도 + 시청장르 비례배분으로 뽑은 10개.
두 후보는 겹칠 수 있으며 dedup 후 A∪B ≤… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_recommendation_candidates.LGUplus_persona_4task_sft
LGUplus_persona_4task_sft
LG U+ 페르소나 350M(ternary QAT) 모델의 4태스크 SFT 학습 데이터 (실제 학습에 사용한 예시 그대로).
각 행 = {task, prompt, completion}. 학습 시 loss는 completion(<|gen|> 뒤 JSON+<|im_end|>)에만.
4태스크
task
토큰
입력(prompt)
출력(completion)
day
<|day|>
그날 시청기록+자막요약
{interest_genres, time_pattern, description}
week
<|week|>
일일페르소나 7일 + 직전주간페르소나(wk0=없음)
{viewing_tendency, preferred_programs, frequent_channels, preferred_genres, weekday_viewing_times, weekend_viewing_times}… See the full description on the dataset page: https://huggingface.co/datasets/ENERZAiKR/LGUplus_persona_4task_sft.