炼数成金 门户 商业智能 数据分析 查看内容

用谷歌新发布的 Dataset Search 搜 Linus,结果……

2018-9-7 13:10| 发布者: 炼数成金_小数| 查看: 34410| 评论: 0|来自: 开源中国社区

摘要: 昨天,谷歌发布了一款重磅产品 Google Dataset Search,谷歌表示其宗旨是“Making it easier to discover datasets”,让用户更容易找到想要的数据集。当下,许多学科的科学家和越来越多的写手需要与数据打交道,网 ...

工具 存储 商业智能 ETL 图书

昨天,谷歌发布了一款重磅产品 Google Dataset Search,谷歌表示其宗旨是“Making it easier to discover datasets”,让用户更容易找到想要的数据集。


当下,许多学科的科学家和越来越多的写手需要与数据打交道,网上有成千上万的数据存储库,可以访问数百万个数据集,同时世界各个国家与地区政府也在网上公布他们的数据。谷歌表示,Dataset Search 的初衷正是为了能够让人们更加轻松地访问这些数据。

此次发布的 Dataset Search 其实也是 Google 将数据集更进一步纳入产品中的一系列举措之一,上个月我们报导过 Google 该系列举措的另一项,也就是 Google 与 30 位较高级数据记者合作,希望找到以表格形式改进信息呈现的方法,最终在通力合作之下,他们确定了在搜索返回结果中直接直观显示数据表格的方法,使用户更容易找到他们想要的信息。

Google 介绍,Dataset Search 的工作方式与 Google Scholar 类似,首先需要数据集提供者使用 schema.org 标准来描述其数据集,当用户在 Dataset Search 上搜索时,它将在任何托管位置查找相应数据集,包括发布者的网站、数字图书馆与作者的个人网页等。

关于如何将数据集录入 Dataset Search,Google 解释,“基于描述数据集信息的开放标准 schema.org,我们为数据集提供商制定了指南,以 Google(和其它搜索引擎)可以更好地理解页面内容的方式描述其数据。这些指南包括有关数据集的重要信息:数据集创建者、发布时间、数据收集方式、使用数据的条款等。然后我们收集并链接此信息,分析其中同一数据集的不同版本可能在哪里,并找到可能描述或讨论数据集的出版物。”

搜了一下 “Linus Torvalds”,发现还真有结果,而且返回的是让人哭笑不得的内容:


搜索结果是一个来自 data.world 的数据集,“Linus Torvalds Rants”是“Linus Torvalds 发飙”的意思,嗯,这很 Linus。

兴奋地点进去(嗯?为什么我要兴奋),果然发现了宝藏:


原来这个数据集收集了 Linus 从 2012 年到 2015 年间在邮件列表上发过的飙。这里顺便提一下今年 6 月份 Linus 也发了一次大飙:有时候标准就是一坨屎。

按照指示,把该“Linus 发飙合集”在工作区打开后是下边这样的,大概感受一下:


试了一下,数据集中的条目确实可以访问到原始邮件,佩服 Linus 的高产,也为 Dataset Search 点赞,真的太方便了。如果哪天想以 Linus 的发怒为基线来写一个 Linux 内核的发展历程,那这样的搜索神器就帮大忙了。

Google 在国内素有“谷人希”(谷歌,人类的希望)的美誉,此次发布的 Dataset Search 又造福了人类。

声明:文章收集于网络,如有侵权,请联系小编及时处理,谢谢!

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754

鲜花

握手

雷人

路过

鸡蛋

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-11-16 07:43 , Processed in 0.151461 second(s), 24 queries .