Google数据集搜索神器上线，和搜索论文一样简单 | 还不去训练网络？

圆栗子 发自 凹非寺

谷歌数据集搜索工具，上线了。

在发布这个消息的博客里，团队大概表达了这样的意思：

现在啊，许多领域的科学家，每天呼吸的不是空气，是数据集。没有数据集，他们就活不下去。

△唯有数据集，能救命

不过，数据集分散在世界的各个角落，口口相传是最常用的传播途径。

谷歌想让搜索数据集，能像在Google Scholar上搜索论文那样容易。

如此，便有了GoogleDataset Search。

猫喜欢什么口味的冰淇淋？

这样一来，不论是哪里发布的数据集，谷歌一下就出来了。

连使用方法都有，你又少了一个不好好训练网络的理由。

所以，一起来试一下吧。在下是按衣食住行四类，分别搜索的。

·衣·

穿着的部分，搜的是胖次pants：

然后，就出现了墨西哥、秘鲁、哥伦比亚，各个国家关于裤子的数据集。

比如，从棉裤的视角，可看墨西哥的经济状况。

·食·

吃的东西，搜了ice cream：

最吸引人的，当然不是各国的冰淇淋生产力。

猫在哪个年纪，喜欢哪种口味的冰淇淋，果然有 (mei) 些 (sha) 研究价值。

·住·

就看北京房价吧，搜索beijing house price：

第一条结果来自Kaggle，是链家2011到2017年的数据。

这数据集的杀伤力，应该还是很大的。有兴趣的大家，可以自行观察。

传送门：https://www.kaggle.com/ruiqurm/lianjia

·行·

感觉出行服务、共享单车，也不会有什么惊喜。就搜了个horse：

当然，搜出香港赛马的数据，也并不惊喜。

第二条，是关注马体健康状况的疝气数据。曾经有项研究，用疝气预测马的死亡概率。

数据集里，也有大千世界，各位不妨自己去搜一搜。

数据集搜索，不是一天建成的

为了搭好这个搜索工具，谷歌团队给提供数据集的人们，准备了一份充满关怀的指南。

这样一来，大家对贡献的数据集，就能有个统一的描述方式：

· 谁创建了数据集？

· 什么时候发布的？

· 数据怎样收集的？

· 使用方法是什么？

……

信息一项一项填好，搜索工具才能更友好。

描述的时候，只要依照Schema.org的标准词汇表，就可以了。

谷歌把信息收集起来之后，就会去分析，一个数据集的不同版本，可能在哪些地方。

除此之外，还要看看有哪些论文(或者其他出版物) ，提到过这个数据集。

谷歌团队说，这一版已经支持多种语言。更多语言的支持也已经在路上了。

比如，想要自我打击的话，现在可以直接搜索“中国房价”。

普通谷歌搜索，也能搜数据表格

谷歌在数据集上做过的事情，远不止Dataset Search这个工具这么简单。

除此之外，团队也为人类最常用的谷歌搜索，加入了表格数据搜索的能力。

△进化前 vs 进化后 (右)

就像这样，已经可以搜索出谷歌基金会 (Google Foundation) 2014的总开支。

不过谷歌说，现在的这些努力结果，还是不够好。

他们希望，未来不论是科研领域、政府部门、新闻机构，还是任何各行各业，都有源源不断的数据，能从谷歌的平台上搜索出来。

意思就是，能提供数据集的大家，快到碗里来。