漫威电影宇宙对话数据集2008至2019-pdunton
数据来源：互联网公开数据
标签：漫威,电影,对话,脚本,数据集,MCU,剧本,转录,教育,分析
数据概述：
本数据集包含了漫威电影宇宙（MCU）多部电影中的对话记录。数据来源于原始剧本和转录文本，原始剧本PDF文件由Script Slug提供，转录文本则来自Fandom的Transcripts Wiki。该数据集经过处理，最终生成了一个包含角色对话及上下文信息的CSV文件mcu.csv。数据集涵盖了从2008年至2019年间发布的多部MCU电影，其中个别电影的对话来源于剧本，而大部分电影则来源于Fandom的转录文本。
数据包含以下字段：
character：对话角色名称
line：对话内容
movie：电影名称
year：电影上映年份
is_transcript：对话是否来源于转录文本
lines_count：电影中的总对话行数
source_link：数据来源链接
数据用途概述：
该数据集适用于电影对话研究、角色分析、文本挖掘、自然语言处理等多种应用场景。研究人员可以通过分析对话内容，研究MCU电影的叙事风格、角色特征和文化影响；教育者可以利用数据进行电影分析课程的教学；语言模型开发者可以将数据用于训练对话生成模型。此外，该数据集也是电影爱好者了解MCU电影对话内容的宝贵资源。
数据集说明：
详细信息和处理过程可以参考GitHub仓库或联系数据提供者Preston Dunton（邮箱：preston.dunton@gmail.com）。如果发现数据中的错误，或需要使用该数据集进行研究，请联系数据提供者并进行适当的引用。数据集中还包括其他辅助文件，如mcu_subset.csv，仅包含前十角色的对话数据；characters.csv，汇总每个角色在MCU中的参与情况；movies.csv，包含每部电影的元数据。这些文件有助于进一步分析和研究。
