ReTabAD是一个用于表格异常检测的上下文感知基准，包含20个精心策划的表格数据集，这些数据集丰富了结构化的文本元数据。该基准旨在通过提供原始表格值和结构化元数据，以及为经典、深度学习和基于LLM的方法提供的现成算法实现，来促进上下文感知的表格异常检测研究。数据集的收集和注释过程确保了数据集的质量和实用性，为未来的研究提供了宝贵的资源。

arXiv2025-10-02 更新250

nhagar/CC-MAIN-2020-05_urls

数据挖掘

网络爬虫

这是一个包含网页抓取信息的数据集，具体包括网页内容（crawl）、网址主机名（url_host_name）和网址计数（url_count）三个字段。数据集被分为训练集（train），共有约5.9亿个样本，总大小为2.93GB。

Hugging Face2025-05-15 更新170

黔货出山销售数据集

电商销售

数据挖掘

收集平台黔货销售数据后，基于时间序列模型解析销售波动规律，通过决策树算法划分用户消费行为特征。运营分析模块融合趋势追踪、多维拆解、用户分层、漏斗转化及需求挖掘，支撑市场蓝海识别与精准运营策略制定。

贵州省数据知识产权登记平台2025-03-20 更新550

Spotify Dataset 2023