# スーパーヒーローNLPデータセット 1400以上のスーパーヒーローの歴史と能力の説明を収録し、テキストマイニングとNLPを適用できます。 ## 背景 このデータセットの目的は、テキスト分析とNLPをさらに楽しくすることです。私たちは皆、スーパーヒーローのようになって世界を救うことを夢見ていますが、今もKaggleでPythonの使い方を調べています。では、なぜスーパーヒーローの歴史と能力を分析することでNLPの能力を向上させないのでしょうか？ このデータセットの特徴は、`総合スコア`、`知能スコア`、`作成者`、`陣営`、`性別`、`目の色`などの**カテゴリカルおよび数値特徴**だけでなく、*テキスト特徴*である`歴史テキスト`と`能力テキスト`も含まれていることです。これらを組み合わせることで、多くの興味深い洞察を得ることができます！ ## 内容 私たちはすべてのデータを[superherodb](https://www.superherodb.com/)から収集し、見やすく整理された表形式で提供しています。 このデータセットには*1447*人の異なるスーパーヒーローが含まれています。各スーパーヒーローの行には以下の情報があります。 - `総合スコア` - superherodbが _パワースタッツ_ 特徴から導き出したもの。関係性を見つけることができますか？ - `歴史テキスト` - スーパーヒーローの歴史（テキスト特徴） - `能力テキスト` - スーパーヒーローの能力の説明（テキスト特徴） - `知能スコア`、`強さスコア`、`速度スコア`、`耐久性スコア`、`パワースコア`、`戦闘スコア`。(_パワースタッツ_ 特徴) - "起源" (`本名`、`別名`、...) - "関係" (`職業`、`拠点`、`チーム`、...) - "外見" (`性別`、`種族`、`身長`、`体重`、`目の色`、...) ## あなたの番です このデータセットを使って楽しむ方法はたくさんあります。これからはあなた次第です！ 始めるためのアイデアをいくつか紹介します。 - 最もかっこいいスーパーヒーローは誰ですか？ 2つのテキスト列だけを使って、最もかっこいいスーパーヒーローを見つける式を見つけることができますか？ - 史上最強のスーパーヒーローは誰ですか？ _テキスト_ 特徴と _パワースタッツ_ 特徴を組み合わせて、史上最も強いスーパーヒーローが誰かを推測できますか？ - テキスト分類：テキスト列だけを使って、スーパーヒーローの`作成者`を予測できますか？（できます！） さらに、教師なし学習でデータをクラスタリングする良い方法を見つけることができますか？ - トップ10の女性スーパーヒーローは誰ですか？ スーパーヒーローの23％は女性です。トップ10を見つけることができますか？ ## 謝辞 以下の[Githubリポジトリ](https://github.com/jbesomi/texthero/tree/master/dataset/Superheroes%20NLP%20Dataset)には、このデータセットをスクレイピングするために使用されたコードが含まれています。