有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Olympics-Dataset|奥运会数据集|体育成绩分析数据集
收藏github2024-04-20 更新2024-05-31 收录
下载链接：
https://github.com/KeithGalli/Olympics-Dataset
下载链接
链接失效反馈资源简介：
This data comes from olympedia.org and was web scraped with the Python Beautiful Soup library (see scrape_data.py)
athletes/bios.csv contains the raw biographical information on each athlete
results/results.csv contains a row-by-row breakdown of each event athletes competed in and their results in that event.
Note, in the process of scraping this dataset, temporary CSV files were created to checkpoint scraping progress. For simplicity these checkpointed files have since been removed from the repository.
创建时间：
2024-04-02
原始信息汇总
Olympics-Dataset 概述
数据集内容
- 运动员信息：包含每位运动员的原始传记信息，位于
athletes/bios.csv。 - 比赛结果：详细记录了每位运动员参与的每项赛事及其结果，位于
results/results.csv。
数据来源与采集方法
- 数据来源于 olympedia.org。
- 使用 Python 的 Beautiful Soup 库进行网页抓取，具体脚本参见
scrape_data.py。
数据集更新
- 数据涵盖 1896 至 2022 年的夏季和冬季奥运会运动员及其成绩，并计划在 2024 年巴黎奥运会后更新 2024 年的数据。
AI搜集汇总
数据集介绍
构建方式
Olympics-Dataset 数据集的构建基于对 olympedia.org 网站的网络爬取，利用 Python 的 Beautiful Soup 库进行数据抓取。该过程通过脚本 scrape_data.py 实现，生成了包含运动员传记信息的 athletes/bios.csv 文件和详细记录每项比赛结果的 results/results.csv 文件。在数据抓取过程中，为了确保数据完整性，临时生成了多个CSV文件作为检查点，但这些文件在最终数据集构建完成后已被移除，以简化数据集结构。
使用方法
Olympics-Dataset 数据集的使用方法简便，用户可以直接访问 athletes/bios.csv 和 results/results.csv 文件获取原始数据，或使用 clean-data/ 文件夹中的整理数据进行分析。这些数据文件不仅包含基础的运动员信息和比赛结果，还提供了地理位置和历史人口等附加数据，便于进行多维度的统计和分析。
背景与挑战
背景概述
Olympics-Dataset 是一个全面记录夏季与冬季奥运会运动员及其比赛结果的数据集，涵盖了从1896年至2022年的历史数据，并计划在2024年巴黎奥运会后更新。该数据集由主要研究人员通过Python的Beautiful Soup库从olympedia.org网站上进行网络爬取，生成了包含运动员传记信息和比赛结果的CSV文件。此数据集不仅提供了运动员的基本信息，还详细记录了他们在各项赛事中的表现，为研究奥运会历史、运动员表现及国家体育发展提供了宝贵的数据资源。
当前挑战
Olympics-Dataset 在构建过程中面临多项挑战。首先，数据来源的多样性和历史跨度大，导致数据整合和清洗的复杂性增加。其次，由于奥运会涉及多个国家和多种体育项目，数据的标准化和一致性处理成为一大难题。此外，网络爬取过程中需要处理动态网页内容和数据更新问题，确保数据的实时性和准确性。这些挑战要求研究人员在数据处理和分析技术上不断创新和优化。
常用场景
经典使用场景
Olympics-Dataset 数据集在体育历史研究中具有经典应用场景，尤其适用于分析运动员表现、赛事结果及奥运历史演变。通过整合1896年至2022年夏季与冬季奥运会的运动员传记信息与比赛结果，研究者能够深入探讨运动员的职业生涯轨迹、国家体育实力的变化以及不同项目的历史发展趋势。
解决学术问题
该数据集解决了体育历史研究中长期存在的数据获取难题，为学者提供了系统化的运动员与赛事数据。通过分析运动员的生平信息与比赛成绩，研究者能够揭示运动员的职业生涯模式、国家体育政策的成效以及奥运会对全球体育文化的影响，从而推动体育历史与社会学领域的研究进展。
实际应用
Olympics-Dataset 在实际应用中广泛用于体育分析、运动员表现预测及奥运战略规划。体育机构与国家奥委会可利用该数据集评估运动员的历史表现，优化训练计划与选拔策略。此外，媒体与体育爱好者也可通过数据可视化工具，深入了解奥运历史与运动员的传奇故事。
数据集最近研究
最新研究方向
在体育数据分析领域，Olympics-Dataset因其涵盖了1896年至2022年夏季与冬季奥运会运动员及其比赛结果的全面信息，成为研究运动员表现、赛事历史演变及国家体育政策影响的重要资源。该数据集不仅包含运动员的生平信息和比赛结果，还提供了地理位置和历史人口数据，为跨学科研究提供了丰富的背景支持。当前，研究者们正利用此数据集探索运动员表现与训练方法、赛事举办地选择对运动员成绩的影响，以及全球体育发展趋势等前沿课题。这些研究不仅深化了对奥运会历史的理解，也为未来体育赛事的规划和运动员培养提供了科学依据。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
Figshare
Figshare是一个在线数据共享平台，允许研究人员上传和共享各种类型的研究成果，包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
lmarena-ai/PPE-MATH-Best-of-K
--- dataset_info: features: - name: question_id dtype: string - name: problem dtype: string - name: level dtype: string - name: type dtype: string - name: solution dtype: string - name: sanitized_solution dtype: string - name: model_name dtype: string - name: prompt dtype: string - name: scores sequence: bool - name: parsed_outputs sequence: string - name: mean_score dtype: float64 - name: response_1 dtype: string - name: response_2 dtype: string - name: response_3 dtype: string - name: response_4 dtype: string - name: response_5 dtype: string - name: response_6 dtype: string - name: response_7 dtype: string - name: response_8 dtype: string - name: response_9 dtype: string - name: response_10 dtype: string - name: response_11 dtype: string - name: response_12 dtype: string - name: response_13 dtype: string - name: response_14 dtype: string - name: response_15 dtype: string - name: response_16 dtype: string - name: response_17 dtype: string - name: response_18 dtype: string - name: response_19 dtype: string - name: response_20 dtype: string - name: response_21 dtype: string - name: response_22 dtype: string - name: response_23 dtype: string - name: response_24 dtype: string - name: response_25 dtype: string - name: response_26 dtype: string - name: response_27 dtype: string - name: response_28 dtype: string - name: response_29 dtype: string - name: response_30 dtype: string - name: response_31 dtype: string - name: response_32 dtype: string - name: conflict_pairs sequence: sequence: int64 - name: sampled_conflict_pairs sequence: sequence: int64 splits: - name: train num_bytes: 28121544 num_examples: 512 download_size: 12452688 dataset_size: 28121544 configs: - config_name: default data_files: - split: train path: data/train-* --- # Overview This contains the MATH correctness preference evaluation set for Preference Proxy Evaluations. The prompts are sampled from [MATH](https://huggingface.co/datasets/hendrycks/competition_math). This dataset is meant for benchmarking and evaluation, not for training. [Paper](https://arxiv.org/abs/2410.14872) [Code](https://github.com/lmarena/PPE) # License User prompts are licensed under MIT, and model outputs are governed by the terms of use set by the respective model providers. # Citation ``` @misc{frick2024evaluaterewardmodelsrlhf, title={How to Evaluate Reward Models for RLHF}, author={Evan Frick and Tianle Li and Connor Chen and Wei-Lin Chiang and Anastasios N. Angelopoulos and Jiantao Jiao and Banghua Zhu and Joseph E. Gonzalez and Ion Stoica}, year={2024}, eprint={2410.14872}, archivePrefix={arXiv}, primaryClass={cs.LG}, url={https://arxiv.org/abs/2410.14872}, } ```
hugging_face 收录
ChineseFoodNet
这个是一个关于中国传统食物图片的数据集。其中包含了208类食物，数据集图片总量大小约20G，数量约18W。
github 收录
VT-MOT
VT-MOT数据集由安徽大学的智能计算与信号处理教育部重点实验室创建，是一个大规模的可见光与热红外视频基准，专门用于多目标跟踪研究。该数据集包含582对视频序列，总计401k帧对，采集自无人机、监控摄像头和手持设备，具有高度的时空对齐和3.99百万个高质量标注框。数据集的创建过程中，专业人员进行了逐帧的时空对齐和双重检查的标注工作，确保了数据的高质量和密集性。VT-MOT数据集的应用领域主要集中在复杂环境下的多目标跟踪，旨在通过融合可见光与热红外数据的优势，提高跟踪算法的鲁棒性和准确性。
arXiv 收录
Global Flood Database (GFD)
全球洪水数据库（GFD）是一个包含全球范围内洪水事件记录的数据集。该数据集提供了详细的洪水事件信息，包括洪水发生的时间、地点、影响范围、受灾人口和财产损失等。数据集的目的是为了支持洪水风险评估、灾害管理和气候变化研究。
global-flood-database.cloudtostreet.info 收录