Google推出數據集搜索!


 繼 Google Scholar(Google 學術搜索)之后,Google 又為科研工作者推出了一款重磅產品—— Google Dataset Search(Google 數據集搜索)。

 

為什么說這款產品如此重要?因為數據從未如此重要。由于深度學習的興起,AI 研究員需要大量的數據來訓練他們的模型,吳恩達就曾表示,深度學習像火箭,計算是引擎,數據是燃料。有時候,數據可能比算法更重要。

 

然而,數據集和相關數據往往分布在網上的多個數據存儲區中。在大多數情況下,搜索引擎既無法提供這些數據庫相關信息的鏈接,也不會將這些信息編入索引,這會導致數據尋找變得無比繁瑣,或者在某些情況下無法實現。

一些掌握了大量數據的互聯網公司也因此擁有很大的優勢,而高校的學者除了一些公開的知名數據集,想要擁有大量的數據則非常困難,因此 Google 的這款產品可謂是及時雨。當然,其他需要各種數據的工作者也能從中受益。

 

Google Dataset Search 為用戶提供了能夠同時搜索多個存儲區的單個界面,希望借此改變用戶發布和運用數據的方式。

現在,就讓我們來一起看下這款搜索工具。

 

與 Google Scholar 類似,Google Dataset Search 可方便用戶查找托管在任何位置的數據集,無論是出版網站、數字圖書館還是作者的個人網頁。

 

為了創建 Dataset Search,Google 還為數據集提供方制定了一套數據指南。這些指南包括有關數據集的重要信息:數據集的作者,發布時間,數據收集方式,使用數據的條款等等。然后,Google 收集并鏈接這些信息,分析同一數據集的不同版本可能在哪里,并找到可能描述或討論這一數據集的出版物。

 

Google 的指南是基于一個數據集的開放標準(schema.org),任何發布數據的人都可以通過這種方式描述他們的數據集。

 

 

在這個新版本中,用戶可以找到很多環境和社會科學相關的數據集,以及其他學科的數據,包括政府數據和新聞機構提供的數據,如 ProPublica。隨著越來越多的數據倉庫使用 schema.org 標準來描述他們的數據集,Google Dataset Search 能夠搜索到的數據集的種類和覆蓋面將持續增長。

 

目前 Google Dataset Search 已經支持多種語言,筆者嘗試了下,除了英文,還支持中文。

我們先嘗試下英文搜索,如果你想分析天氣記錄,那么就可以在 Google Dataset Search 的輸入欄里嘗試輸入“daily weather”,結果如下圖所示:

 

這里寫圖片描述

 

可以看到,左邊欄呈現的是各種數據源,右邊則是相應的介紹,包括數據集的名稱、下載鏈接、更新日期、提供者、說明等等,非常清晰。

 

現在,我們來嘗試下中文,在搜索欄輸入“房價”,第一條就是中國房價的數據集,該數據集由 CEIC 提供,涵蓋的時間段從 2017年7月1日 — 2018 年 6 月 1 日,算是非常新的數據了。

 

 

打開該數據集的鏈接,嗯,是個收費網站。不過,花錢能解決的事,總比毫無頭緒來得好。

 

 

Dataset Search 的發布凸顯了 Google 對數據集的重視。最近,Google 也對自家的 Google Search 也進行了改進,使得用戶搜索結果中發現表格數據變得更加容易,不過該計劃更側重于新聞機構和數據記者,而 Dataset Search 的受眾則更加廣泛。

 

Google 表示,這個項目能夠帶來下列好處:

a) 形成數據共享生態系統,鼓勵數據發布者依照最佳做法來存儲和發布數據;

b) 為科學家提供相應平臺,方便大眾引用他們創建的數據集,展現他們的研究成果所帶來的影響力。

 

當然,Google Dataset Search 的搜索質量取決于數據發布者,因此,如果大家都用開放標準來描述自己的數據,那么搜索結果肯定會越來越好。

Google Dataset Search 目前仍處于測試階段,雖然支持中文搜索,但中國大陸的用戶想要使用依然需要“梯子”,不過這么好的工具,錯過豈不可惜!

針對 Google Scholar,2014 年 6 月百度上線了“百度學術”,不過大家似乎仍對 Google Scholar 情有獨鐘。這次,百度怎么看?

/本文轉載自AI科技大本營,作者:非主流

上一篇: 最新開發者鄙視鏈出爐!

下一篇: 技術大神是怎樣煉成的?

分享到: 更多
时时彩万位6码100%500元倍投方案 河北快三怎么玩赚钱 全天北京pk10赛车计划最准 双色球开开奖结果 双色球预测最准确 平特生肖稳赚投注法 倍投稳赚不赔的方法 ipad上好用的计划软件下载 福少时时彩在哪下载 3d组选遗漏统计表365 全网最早无错36码特围网址 七星彩前4位万能码 彩名堂是骗局 通比牛牛技巧口诀 蚂蚁pt 金贝棋牌