圓栗子 發自 凹非寺 量子位 出品 | 公眾號 QbitAI
谷歌數據集搜索工具，上線了。
在發佈這個消息的博客裡，團隊大概表達了這樣的意思：
現在啊，許多領域的科學家，每天呼吸的不是空氣，是數據集。沒有數據集，他們就活不下去。
△ 唯有數據集，能救命
不過，數據集分散在世界的各個角落，口口相傳是最常用的傳播途徑。
谷歌想讓搜索數據集，能像在Google Scholar上搜索論文那樣容易。
如此，便有了Google Dataset Search。
貓喜歡什麼口味的冰淇淋？
這樣一來，不論是哪裡發佈的數據集，谷歌一下就出來了。
連使用方法都有，你又少了一個不好好訓練網絡的理由。
所以，一起來試一下吧。在下是按衣食住行四類，分別搜索的。
衣
穿著的部分，搜的是胖次pants：
然後，就出現了墨西哥、秘魯、哥倫比亞，各個國家關於褲子的數據集。
比如，從棉褲的視角，可看墨西哥的經濟狀況。
食
吃的東西，搜了ice cream：
最吸引人的，當然不是各國的冰淇淋生產力。
貓在哪個年紀，喜歡哪種口味的冰淇淋，果然有 (mei) 些 (sha) 研究價值。
住
就看北京房價吧，搜索beijing house price：
第一條結果來自Kaggle，是鏈家2011到2017年的數據。
這數據集的殺傷力，應該還是很大的。有興趣的大家，可以自行觀察。
傳送門：https://www.kaggle.com/ruiqurm/lianjia
行
感覺出行服務、共享單車，也不會有什麼驚喜。就搜了個horse：
當然，搜出香港賽馬的數據，也並不驚喜。
第二條，是關注馬體健康狀況的疝氣 數據。曾經有項研究，用疝氣預測馬的死亡概率。
數據集裡，也有大千世界，各位不妨自己去搜一搜。
數據集搜索，不是一天建成的
為了搭好這個搜索工具，谷歌團隊給提供數據集的人們，準備了一份充滿關懷的指南。
這樣一來，大家對貢獻的數據集，就能有個統一的描述方式：
· 誰創建了數據集？· 什麼時候發佈的？· 數據怎樣收集的？· 使用方法是什麼？……
信息一項一項填好，搜索工具才能更友好。
描述的時候，只要依照Schema.org的標準詞彙表，就可以了。
谷歌把信息收集起來之後，就會去分析，一個數據集的不同版本，可能在哪些地方。
除此之外，還要看看有哪些論文 (或者其他出版物) ，提到過這個數據集。
谷歌團隊說，這一版已經支持多種語言。更多語言的支持也已經在路上了。
比如，想要自我打擊的話，現在可以直接搜索“中國房價”。
普通谷歌搜索，也能搜數據表格
谷歌在數據集上做過的事情，遠不止Dataset Search這個工具這麼簡單。
除此之外，團隊也為人類最常用的谷歌搜索，加入了表格數據搜索的能力。
△ 進化前 vs 進化後 (右)
就像這樣，已經可以搜索出谷歌基金會 (Google Foundation) 2014的總開支。
不過谷歌說，現在的這些努力結果，還是不夠好。
他們希望，未來不論是科研領域、政府部門、新聞機構，還是任何各行各業，都有源源不斷的數據，能從谷歌的平臺上搜索出來。
意思就是，能提供數據集的大家，快到碗裡來。
Dataset Search傳送門：
https://toolbox.google.com/datasetsearch
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
閱讀更多 量子位 的文章
