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？
animelist-dataset|动漫数据数据集|数据集更新数据集
收藏huggingface2024-11-17 更新2024-12-12 收录
下载链接：
https://huggingface.co/datasets/labofsahil/animelist-dataset
下载链接
链接失效反馈资源简介：
一个基于JSON的动漫数据集，包含了最重要的元数据以及与其他多个动漫网站（如MAL、ANIDB、ANILIST、KITSU等）的交叉引用。数据集每周更新，涵盖了从10K到100K条记录的规模，主要语言为英语和日语，标签为'anime'。
创建时间：
2024-11-16
原始信息汇总
AnimeList Dataset (Updates Weekly)
基本信息
- 许可证: AGPL-3.0
- 语言:
- 英语 (en)
- 日语 (ja)
- 数据规模: 10K<n<100K
- 标签:
- 动漫 (anime)
数据集描述
- 该数据集是一个基于JSON的动漫数据集，包含最重要的元数据以及与多个动漫网站的交叉引用，如MAL、ANIDB、ANILIST、KITSU等。
数据来源
AI搜集汇总
数据集介绍
构建方式
animelist-dataset的构建依托于manami-project的anime-offline-database项目，采用JSON格式存储，整合了来自多个知名动漫网站如MAL、ANIDB、ANILIST和KITSU的元数据。该数据集每周更新，确保信息的时效性和准确性。通过跨平台数据整合，animelist-dataset为研究者提供了一个全面且动态的动漫信息资源库。
特点
animelist-dataset以其跨平台数据整合和丰富的元数据著称，涵盖了动漫作品的关键信息。数据集不仅包含基本的动漫属性，还提供了与其他动漫数据库的交叉引用，增强了数据的可用性和研究价值。其每周更新的机制保证了数据的实时性，使其成为动漫研究领域的重要资源。
使用方法
animelist-dataset的使用方法简便，用户可通过解析JSON文件获取所需数据。研究者可以利用该数据集进行动漫作品的元数据分析、跨平台数据对比以及动漫推荐系统的开发。由于其数据来源多样且更新频繁，animelist-dataset特别适合用于需要实时数据支持的动漫相关研究项目。
背景与挑战
背景概述
Animelist数据集是一个基于JSON格式的动漫元数据集合，涵盖了多个知名动漫网站如MAL、ANIDB、ANILIST和KITSU等的交叉引用信息。该数据集由manami-project团队创建，并定期更新，旨在为动漫研究者和爱好者提供一个全面且易于访问的资源。自发布以来，Animelist数据集在动漫信息整合、推荐系统开发以及跨平台数据对比等领域发挥了重要作用，极大地推动了相关研究的进展。
当前挑战
Animelist数据集在解决动漫信息整合与跨平台数据对比方面面临多重挑战。首要挑战在于数据的异构性，不同动漫网站的数据格式和标准各异，如何有效整合这些数据并确保一致性成为一大难题。其次，数据更新频率较高，如何实时同步各平台的最新信息，避免数据滞后，是构建过程中需要克服的技术障碍。此外，数据量庞大且复杂，如何在保证数据质量的同时，优化存储和检索效率，也是该数据集持续改进的关键。
常用场景
经典使用场景
在动漫研究领域，animelist-dataset提供了一个全面的元数据资源，涵盖了从基本标题、类型到跨平台引用的详细信息。这一数据集常被用于构建和优化推荐系统，通过分析用户的观看历史和偏好，为动漫爱好者提供个性化的内容推荐。
解决学术问题
animelist-dataset解决了动漫研究中数据分散和整合困难的问题。通过集中多个主流动漫平台的数据，研究者可以更便捷地进行跨平台分析，探讨动漫流行趋势、用户行为模式以及内容创作的影响因素，从而推动动漫研究的深入发展。
衍生相关工作
基于animelist-dataset，学术界和工业界衍生出多项经典工作。例如，研究者利用该数据集开发了基于深度学习的动漫推荐模型，显著提升了推荐的准确性和用户满意度。此外，还有研究通过分析该数据集，揭示了动漫内容在不同文化背景下的传播和接受模式，为跨文化研究提供了新的视角。
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
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。
国家青藏高原科学数据中心 收录
OpenSonarDatasets
OpenSonarDatasets是一个致力于整合开放源代码声纳数据集的仓库，旨在为水下研究和开发提供便利。该仓库鼓励研究人员扩展当前的数据集集合，以增加开放源代码声纳数据集的可见性，并提供一个更容易查找和比较数据集的方式。
github 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录
LIDC-IDRI
LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。
OpenDataLab 收录
红外谱图数据库
收集整理红外谱图实验手册等数据，建成了红外谱图数据库。本数据库收录了常见化合物的红外谱图。主要包括化合物数据和对应的红外谱图数据。其中，原始红外谱图都进行了数字化处理，从而使谱峰检索成为可能。用户可以在数据库中检索指定化合物的谱图，也可以提交谱图/谱峰数据，以检索与之相似的谱图数据，以协助进行谱图鉴定。
国家基础学科公共科学数据中心 收录