- 博客(27)
- 收藏
- 关注
RSS订阅原创 Cyclistic 2019年自行车共享系统全年骑行数据研究报告
本研究基于Cyclistic自行车共享系统2019年381万条骑行数据，分析用户行为特征和系统运营状况。数据显示：第三季度使用率最高（42.97%），订阅会员占比54.71%，男性用户比例（45.11%）显著高于女性（16.08%），平均骑行时长8.56分钟。数据具有时间覆盖完整、用户维度丰富、空间信息精确等优势，可应用于城市交通规划、用户行为分析和市场营销策略制定。研究发现存在29.02%的数据缺失问题，主要来自第二季度数据格式差异。该数据集为优化共享单车系统运营、改善城市交通基础设施提供了重要依据。
2026-01-17 23:30:00
784
原创 JD商品评论数据集：真实用户评论情感分析数据，中文自然语言处理语料，学习深度学习模型训练、文本挖掘、电商推荐系统优化、产品评价分析、客户服务改进及自然语言处理教学
数据集中的评论涵盖了丰富的情感表达方式，从直接的情感词汇到隐含的情感暗示，为算法提供了多样化的学习样本。通过在这个数据集上的实验，研究人员可以比较不同算法的性能表现，探索中文情感分析的最佳实践，推动该领域的技术进步。此外，基于情感分析的用户反馈分类系统，可以自动将用户反馈按照情感倾向进行分类，为不同的处理流程提供支持，显著提升客户服务的整体水平。本JD笔记本评论情感分析数据集以其高质量的中文语料、准确的标注信息、平衡的数据分布和丰富的应用场景，为自然语言处理研究和实际应用提供了宝贵的资源。
2026-01-16 17:47:21
1260
原创 中国上市公司股吧数据集（含帖子正文、回帖互动、用户画像与粉丝关系，共6万+结构化样本与统一ID可关联），支持金融舆情分析、推荐排序、社交网络挖掘与中文大模型训练的高质
本文介绍了一个系统整理的中国上市公司股吧平台结构化互动数据集。该数据集围绕"内容—互动—用户—关系"四个维度，包含帖子详情、回帖详情、用户详情和用户粉丝关系四个表格，共计超过6万条记录。数据字段规范完整，涵盖文本内容、时间戳、互动指标和用户特征等信息，可直接用于NLP、社交网络分析等任务。数据集具有结构完整、直接可用、任务丰富等优势，特别适合金融舆情分析和投资者行为研究。核心字段完整性良好，仅部分IP和图片字段缺失，整体质量较高，能显著缩短从数据清洗到模型验证的周期。
2026-01-16 11:42:25
495
原创 中国大学题库数据集包含24个学科领域：STEM教育数据库、理工科题库、计算机科学题库、JSON格式结构化数据、支持机器学习训练、自适应学习算法开发和智能教育系统构建
中国大学题库数据集包含23,000道结构化题目，覆盖24个学科领域（如计算机、医学、法学等），采用JSON格式存储。该数据集具有学科均衡（各领域1000题）、题型多样（100+种题型）等特点，支持智能题库开发、自适应学习算法训练等教育AI应用。数据包含完整元信息，部分题目附带解析，为教育技术研究提供了高质量基础资源。
2026-01-16 11:38:53
1085
原创 上海方言语音数据集：多领域对话语音数据采集，350小时高保真WAV格式，支持方言语音识别模型训练、ASR开发、智能助手交互、语音合成与理解，提供工业级合规数据获取
上海方言语音数据集包含350小时高保真WAV格式语音数据，采集自800余名上海本地母语者的真实对话，覆盖12个社会领域和2-5人不同规模的对话场景。该数据集具有真实对话生态、多维度多样性、专业场景深度覆盖等技术优势，适用于方言语音识别模型训练、多人对话分离、智能助手开发及语言学研究等应用场景。通过提供工业级合规的高质量语音数据，可有效支持方言地区智能化应用开发与文化遗产数字化保护。
2026-01-06 23:45:00
780
原创 三万小时PB级院线级电影数据集，包含完整视频、音频和字幕多模态资源，专为视频大模型训练和多模态研究设计，适用于文生视频生成、影视剪辑、语义检索及智能内容管理
本文介绍了一个PB级院线级电影多模态数据集，包含3万小时高质量影视资源。该数据集将每部电影拆解为视频、音频和字幕三条独立数据流，保持严格时间对齐，并附带完整元数据信息。数据优势包括高清画质、专业内容、丰富场景和多模态拆解，适用于文生视频模型训练、多模态融合研究、视频检索和影视编辑等多种应用场景。该数据集解决了现有视频语料在质量、多样性和工程处理上的不足，为视频大模型训练提供了优质基座。
2026-01-06 18:22:53
731
原创 加密货币与股票市场数据集：高频实时更新跨资产相关性分析金融数据，自动化ETL管道工程实践与价格波动预测模型，支持投资决策与时间序列建模，涵盖比特币以太坊标普500指数联动性研究，市值交易量风险偏好监控
摘要：本文介绍了一个高频更新的加密货币与股票市场数据集（2025年至今），涵盖比特币、以太坊等数字资产与标普500指数等传统金融工具。数据集通过自动化ETL管道实现小时级更新，包含价格、交易量、市值等核心指标，支持跨资产相关性分析。其优势在于标准化框架解决了市场数据不可比问题，同时为金融分析和数据工程提供双重价值。应用场景包括投资决策支持、风险偏好监控、时间序列建模等，适合投资者、分析师和工程师使用。该数据集填补了高频跨市场研究的空白，是连接金融理论与实践的桥梁。（149字）
2026-01-05 13:09:45
1120
原创 基于10部权威医疗电子书的医疗知识图谱构建数据集：包含18,297个结构化标记、37,381个医学实体、5,770个交叉引用关系和974个表格结构，支持疾病-药物关系抽取、临床决策系统开发
本数据集基于10部权威医疗电子书构建，包含240个LaTeX章节、3991张医学图像和13份完整PDF文档，涵盖影像诊断学、重症医学、临床药学等核心医学领域。数据集具有高度结构化特点，包含18,297个标记、37,381个医学实体和5,770个交叉引用关系，支持疾病-药物关系抽取和临床决策系统开发。其多模态特性（文本、图像、公式）为医疗大语言模型训练、知识图谱构建及智能教育系统开发提供了优质资源。特别适合用于医疗AI模型的精确训练和复杂医学推理任务。
2026-01-04 17:38:15
952
原创 二手车价格预测数据集：机器学习回归建模与特征工程实践指南 | 2024年二手车市场数据分析 | 汽车价格预测模型优化 | 车龄里程品牌价值对价格影响 | 电动汽车趋势与经销商定价策略 | 数据科学教育
本文介绍了一个百万级二手车价格预测数据集，包含20个核心字段，覆盖品牌、年份、里程、性能等关键维度。数据集通过算法复刻真实市场规律，具有变量关联真实、特征全面、样本量大等优势，适用于机器学习回归建模和特征工程实践。应用场景包括：构建价格预测模型（R²可达0.88）、优化二手车经销商定价策略（如收车价评估、库存管理），以及数据科学教学（特征工程、EDA等）。该数据集为行业决策、模型训练和教育实践提供了高质量资源，能有效支撑二手车市场的量化分析和数据驱动决策。
2026-01-03 23:30:00
917
原创 多语种语音识别数据集,小语种语音训练数据,WAV音频JSON标注，15种语言语音数据,高质量语音数据集,语音识别系统开发,多语言语音AI模型训练,全球化语音应用,智能语音助手开发
本文介绍了一个高质量多语种语音识别数据集，包含15种语言的1500个WAV格式音频文件（约50小时）。数据集采用专业录音设备录制，涵盖日常对话、商务交流等多种场景，并配有精确的JSON格式文本标注。语言覆盖印欧、亚洲、南岛等主要语系，每种语言提供100个样本（约3.3小时）。该数据集具有音频质量高、标注精准、场景多样等优势，适用于多语言语音AI模型训练和全球化语音应用开发，为语音识别系统研发提供了标准化训练资源。
2026-01-03 18:04:35
1465
原创 超大规模多模态交通数据集：320TB+海量数据资源，涵盖行车视频、无人机航拍、第一视角步行骑行与道路监控，助力自动驾驶与智慧交通算法突破
超大规模多模态交通数据集（320TB+）为自动驾驶和智慧交通研究提供全面支持。该数据集包含5万小时行车视频、2000万帧行车图像（含200万鱼眼图像）、1万小时无人机航拍视频、2万小时步行视角视频、5000小时骑行视频及100万帧道路监控图像。其多模态特性覆盖机动车、非机动车及监控视角，支持自动驾驶算法训练、交通行为分析、智能监控和城市规划等应用。数据来源真实场景，经过严格质量控制，具有业界领先的规模和质量优势，为AI算法研发提供坚实基础。获取方式详见相关链接。
2025-12-31 17:18:38
1027
原创 5198 张高清无人机火灾烟雾图像数据集 | 多场景标注 | AI 火灾检测训练用
【摘要】本文介绍了一个专为AI火灾检测训练设计的5198张高清无人机图像数据集。该数据集覆盖城市、农村、森林、农田、田埂和工厂等多场景真实火情，包含火焰与烟雾的精确标注。相比传统固定监控，无人机拍摄具有视角广、机动性强等优势，能有效提升火灾早期预警能力。数据集支持目标检测、场景分类、语义分割等多种AI模型训练，提供YOLO、COCO等多种标注格式。通过数据增强和平衡采样策略，可显著提升模型对不同环境的泛化性能。该资源为开发智能火灾监控系统提供了关键数据支持，适用于智慧城市、森林防火等应用场景。
2025-12-28 23:45:00
871
原创 5000道生物科学英文题目数据集：面向研究生教育的综合性生物题库资源，涵盖分子生物学、生物化学、细胞生物学等核心领域，助力AI模型训练与智能教育系统开发
本文介绍了一个包含5000道生物科学英文题目的综合性题库数据集，专为研究生教育设计。该数据集采用JSON格式存储，涵盖分子生物学、生物化学、细胞生物学等20多个生物科学分支，包含选择题和开放题等多种题型。每道题目配有标准答案、详细分析和知识标签，数据经过专业审核，确保学术准确性和教育价值。该数据集可作为生物科学教育资源和AI模型训练基础，支持智能评估系统开发与个性化教育方案制定。
2025-12-28 17:35:02
966
原创 1747张YOLO标注奶牛水牛识别数据集：精准标注跨场景动物检测模型训练专用计算机视觉数据集，助力智慧农业与畜牧业AI算法研发
在当今数字化农业和智慧畜牧业快速发展的时代背景下，动物识别与检测技术已成为现代农业生产中不可或缺的核心技术之一。随着人工智能技术的不断进步，计算机视觉在畜牧业管理、动物健康监测、智能养殖系统等领域展现出巨大的应用潜力。然而，高质量、大规模、精准标注的动物识别数据集仍然是制约相关AI算法发展的关键瓶颈。本数据集专门针对奶牛和水牛这两种重要的经济动物，通过精心收集和标注，为研究人员和算法开发者提供了一个全面、可靠的训练数据基础。
2025-12-26 23:30:00
643
原创 1380亿条微博全量数据集，可用于自然语言处理、情感分析、舆情分析、推荐系统、用户行为数据、商业智能、人工智能模型训练、中文文本数据、地理位置信息、时间序列分析、JSON格式、机器学习、文本挖掘等
本文介绍了1380亿条微博全量数据集，该数据集涵盖2014年至今的长期采集，采用标准JSON格式存储。每条记录包含用户信息、微博内容、互动数据、地理位置等多维度结构化数据，并附带情感分析、地址识别等智能标注结果。该数据集具有规模大、时间长、质量高、覆盖广等优势，适用于自然语言处理、情感分析、舆情监测、推荐系统、商业智能等多个领域。数据来源真实可靠，经过脱敏处理，可通过典枢平台获取。该数据集为人工智能研究和社会分析提供了宝贵资源，支持大规模模型训练和各类商业应用开发。
2025-12-26 18:13:12
2321
原创 17 万 + 条国际象棋文本对局数据集：含 PGN 标准格式 + 完整对局记录，适配棋类 AI 训练 / 战术分析 / 历史对局研究，助力国际象棋智能研发
【摘要】 Chess Text Gameplay数据集收录17万+条标准化国际象棋对局记录，采用PGN通用格式，包含完整元数据（赛事、选手等级分等）和走法序列（含战术注释）。其核心价值在于： AI训练：为监督/强化学习提供优质数据，支持走法策略与局势评估模型优化，某案例显示AI胜率提升25%； 战术分析：通过大数据挖掘职业/业余选手的战术偏好（如中局"pin"战术白方胜率68%）与失误规律； 教学应用：分层构建案例库，学员等级分提升速度较传统教学快20%； 软件开发：直接兼容棋类软件，增
2025-12-24 17:00:00
531
原创 23,463张无人机和卫星图像高质量标注，覆盖20个类别包括港口船舶车辆飞机，支持YOLO和VOC格式，专为深度学习目标检测算法优化，训练集验证集均衡划分提升模型鲁棒性，填补小目标检测数据空白
本文介绍了一个包含23,463张无人机和卫星图像的遥感小目标检测数据集，覆盖港口、船舶、车辆等20个类别。数据集采用专业标注，提供YOLO和VOC两种格式，训练集和验证集均衡划分(11,725 vs 11,738张)。该数据集特别针对小目标检测优化，填补了该领域数据空白，适用于城市规划、交通管理、环境监测等多个场景。其大规模、多类别、高质量的特点为目标检测算法提供了坚实基础，能显著提升模型性能。
2025-12-24 12:50:52
674
原创 无人机航拍黑匣子目标检测数据集分析报告
本报告分析了一个包含91张无人机航拍图像的YOLO格式黑匣子目标检测数据集，共计907个标注。数据分布显示80.2%图像含10-15个目标，94.8%为大目标标注。该数据集具有高清原始图像、精确YOLO标注和标准化结构三大优势，特别适合航空安全监测、计算机视觉模型训练等应用场景。数据集可直接用于YOLO系列算法开发，为黑匣子检测及相关技术研究提供高质量数据支持，有助于提升航拍目标检测的准确性和效率。
2025-12-18 23:30:00
724
原创 威斯康星大学麦迪逊分校课程数据集成数据集：193个学科领域超9千门课程的全面教学信息资源
威斯康星大学麦迪逊分校课程数据集提供了193个学科领域9,307门课程的全面教学信息，包含2000-2022年间的65万条记录。数据集涵盖课程、教师、学生成绩、教室设施等多维度数据，字段完整性达100%。2020年数据占比56.7%，突出反映了疫情期间的教学变化。主要学科包括数学、心理学、生物学等，教学形式涵盖讲座、讨论、实验等多种类型。该数据集规模大、质量高、时间跨度长，为教育研究、数据挖掘和算法训练提供了可靠基础，特别适合分析教学效果、优化资源配置和开展跨学科研究。
2025-12-18 18:53:23
500
原创 美国高等教育机构员工薪资数据集_934348条记录_2011-2022年_适配线性回归随机森林XGBoost、SVM、ANNs等机器学习算法_用于薪资预测职位推荐包含13所大学员工姓名职位部门收入信息
美国俄亥俄州公立高校薪资数据集摘要 本数据集收录了2011-2022年间俄亥俄州13所公立高校的934,348条员工薪资记录，涵盖38,679种职位和9,352个部门。核心字段包括姓名、学校、职位、部门、年薪和年份。数据呈现以下特征： 规模与覆盖：俄亥俄州立大学占45.38%，其他12校分布均衡； 职位构成：教授(3.02%)、副教授(2.66%)等学术职位与医疗、行政岗位并存； 部门特征：医疗系统(如大学医院4.84%)与传统院系共存； 薪资分布：平均年薪54,659美元，中位数44,525美元，极值差异
2025-12-17 23:30:00
531
原创 孟加拉语视频Clickbait检测数据集分析报告
本研究构建了首个大规模孟加拉语视频Clickbait检测数据集，包含253,070条来自54个频道的视频记录（2012-2023年）。数据集提供完整的视频元数据和三种标注方式（自动、人工、AI），标注一致性达89.56%。自动标注显示11.58%为Clickbait内容，AI标注则识别出17.80%。数据主要来自主流新闻频道（如Jamuna TV、Independent Television等），2020-2021年数据占比78.19%。该数据集填补了低资源语言Clickbait研究的空白，支持多维度分析和
2025-12-17 18:10:46
437
原创 航空器三视图技术图纸数据集：494张高质量图像全面覆盖航空发展历程
航空器三视图技术图纸数据集作为航空史研究的重要资源，汇集了494张高质量的航空器三视图技术图纸，为航空史研究、设计师、航空爱好者和机器学习算法提供了宝贵的研究资料。该数据集不仅包含了完整的原始图像文件，还涵盖了从第一次世界大战到现代的航空器发展历程，展现了百年航空技术的演进轨迹。数据集的完整性体现在其丰富的内容构成上，包含了低分辨率和高分辨率两个版本的原始图像文件，涵盖了不同尺寸和格式的技术图纸。
2025-12-16 23:15:00
1507
原创 国际象棋比赛数据：100万局专业对局数据库助力AI算法训练和棋艺分析研究
本文介绍了一个包含100万局国际象棋专业对局的数据库，数据全部来自Lichess平台。该数据集包含比赛类型、玩家信息、完整棋步序列和结果等关键字段，完整度达99.64%。数据分布显示82.18%为普通对局，17.82%为锦标赛对局，其中41.47%的对局超过101步。该数据集具有规模大、来源权威、完整性高等优势，可为AI算法训练、棋艺分析和国际象棋研究提供可靠支持，尤其适用于深度学习模型训练和战术分析研究。
2025-12-16 14:26:58
706
原创 多模态3D感知数据集：深度学习训练与实景采集全量数据资源
摘要 本数据集是一个综合性多模态3D感知数据资源，包含深度学习训练数据和实景采集数据两大核心部分。数据集提供2000组标准化RGB-D训练样本（96×96像素）、445帧实景RGB-D序列（960×540和224×172分辨率）以及3D点云模型，数据格式涵盖NumPy数组、PNG/PNM图像、PLY点云等。关键特征包括多模态数据融合、高精度标注（float32深度值、微秒级时间同步）、完整传感器标定参数（RGB/深度相机内参外参）以及25.3小时连续采集数据。该数据集适用于深度估计、SLAM、3D重建等算法
2025-12-14 00:15:00
773
原创 电子游戏用户评论情感分析数据集
摘要 本数据集整合了超过99,000条电子游戏用户评论，涵盖3,000多款游戏的多维度评价信息。数据包含三个核心文件：原始与复合情感评分数据、用户评论情感评分数据以及游戏变量与情感指标汇总数据。数据集采用VADER、TextBlob和Hugging Face三种算法计算情感分数，并提供清洗、翻译和预处理后的评论文本。数据优势包括多维度情感分析、大规模数据量、丰富的预处理信息和商业指标整合等。该数据集适用于游戏情感分析、用户体验优化和市场策略研究，为开发者、分析师和研究者提供宝贵的研究素材。
2025-12-13 19:15:38
801
原创 电影评分数据集分析报告
电影评分数据集分析报告摘要 本报告分析了包含384万条用户评分记录的电影数据集，涵盖2010-2015年及更早时期数据。数据集包含用户ID、电影ID、评分(0.5-5.0分制)及电影元数据，完整率达99.99%。分析显示评分呈正态分布，4.0分占比最高(24.72%)；《肖申克的救赎》以4.41分居评分榜首。数据集覆盖3万用户和2.6万部电影，时间跨度从1950年代至2015年，具有规模大、维度多、结构完整等优势。该数据可应用于电影推荐系统开发、用户行为分析、市场研究和学术研究等领域，为理解观影偏好和市场趋
2025-12-12 23:45:00
955
原创 大学本科及研究生职业专业题库数据集：112031条高质量中文职业教育题库数据，涵盖铁路交通市场营销会计管理等全领域，支持智能教育系统与机器学习算法训练的专业数据集
《大型职业教育题库数据集：112,031条结构化专业题目》 该数据集包含112,031条高质量中文职业教育题目，覆盖铁路交通、市场营销、会计管理等全领域。采用标准CSV格式存储，包含8个核心字段（MD5标识、题目文本、选项、答案等），支持智能教育系统开发与机器学习训练。 主要特点： 学科覆盖广：铁路机车司机题目占比15.10%，同时包含出纳实务、市场营销等细分领域 题型丰富：选择题占49.87%，判断题21.13%，多选题9.30% 专业性强：所有题目经过专家审核，内容包含专业技术操作和实务知识 应用场景：
2025-12-12 17:10:54
1347
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人