severo/trending-repos

该数据集包含Hugging Face上每日每种类型（模型、数据集和空间）的前20个趋势仓库。每种类型都可以从其自己的数据集配置中加载。数据集每天更新，包含日期、作者、仓库ID、排名、最近点赞数、总点赞数和月下载数等字段。数据集通过一个cron作业每天更新，调用Hugging Face的API端点获取数据，并使用huggingface.js库上传文件。数据集仅包含公共仓库，反映了Hugging Face用户在过去一周内的点赞行为。

原始信息汇总

数据集概述

数据集描述

• 数据集名称： Trending repositories on Hugging Face
• 数据集概要： 该数据集包含每天Hugging Face上每种类型的20个趋势仓库（模型、数据集、空间）。每种类型可通过其各自的配置加载。

数据集结构

数据实例

• 模型： Hugging Face上趋势模型的历史记录
• 数据集： Hugging Face上趋势数据集的历史记录
• 空间： Hugging Face上趋势空间的历史记录

数据字段

• 日期（字符串）： 查找趋势仓库的日期
• 作者（字符串）： 仓库所有者的ID，可能为空
• ID（字符串）： 仓库的ID
• 排名（整数）： 在其类型（模型、数据集、空间）中的趋势排名，从1开始
• 最近喜欢数（整数）： 最近一周收到的喜欢数
• 总喜欢数（整数）： 总喜欢数
• 月下载量（整数）： 上个月的下载量，对于空间可能为空

数据分割

• 训练集： 每个配置只有一个分割，包含所有行

数据集创建

数据收集和更新

• 更新频率： 每日
• 数据来源： 通过调用https://huggingface.co/api/trending?type=${repoType}&limit=20端点获取每种仓库类型的趋势数据
• 数据上传： 使用huggingface.js库上传文件

使用数据集的考虑

数据集偏见

• 偏见来源： 趋势仓库反映的是Hugging Face用户在过去一周内给出的喜欢数，任何用户群体的偏见都可能反映在该数据集中。
• 潜在问题： 作为虚荣指标，一些用户可能会尝试生成假喜欢。

搜集汇总

数据集介绍

构建方式

在人工智能与开源生态蓬勃发展的当下，Hugging Face平台汇聚了海量模型、数据集与空间资源。该数据集通过每日定时执行的cron任务，调用Hugging Face官方API端点（https://huggingface.co/api/trending?type=${repoType}&limit=20），分别针对模型、数据集和空间三类仓库类型，采集每日排名前20的热门仓库信息。数据采集脚本运行于Observable notebook环境中，并借助huggingface.js库完成数据文件的上传与更新，从而构建起一个持续追踪平台热门趋势的动态数据集。

特点

该数据集呈现多维度的结构特点。它按仓库类型划分为models、datasets和spaces三个独立配置，用户可根据需求加载对应子集。每条记录包含日期、作者、仓库ID、排名、近期点赞数、总点赞数及月下载量等字段，其中近期点赞数反映了过去一周的用户关注度，而月下载量在spaces配置中为空。数据集仅包含公开仓库，每日更新一次，所有配置均只有train一个数据分割，便于直接用于时序分析或趋势研究。

使用方法

用户可通过Hugging Face Datasets库便捷加载该数据集。指定配置名称（如'models'）即可获取对应类型的每日热门仓库记录，数据以CSV格式存储。加载后的数据集可直接用于分析热门仓库的排名变化、点赞与下载量的分布规律，或结合日期字段进行时间序列建模。例如，研究不同模型类型在Hugging Face平台上的流行趋势演变，或识别特定时间段内点赞激增的仓库特征。数据以Apache-2.0协议开放，支持学术与商业用途。

背景与挑战

背景概述

在开源人工智能生态系统中，模型、数据集和应用的流行度动态是衡量社区活跃度与技术趋势的重要指标。由Hugging Face团队Sylvain Lesage于近期创建的trending-repos数据集，系统性地记录了每日平台上各类型仓库（模型、数据集、Spaces）的20个热门趋势项目。该数据集通过调用官方趋势API并依托Observable笔记本与huggingface.js库实现自动化采集，旨在为研究者与开发者提供量化分析社区偏好演变的基准资源。其覆盖字段包括排名、近期点赞数、月下载量等关键指标，为理解开源AI资源的传播规律与影响力机制奠定了数据基础。

当前挑战

该数据集面临的核心挑战首先源于所反映的领域问题：趋势指标依赖于用户点赞行为，而点赞作为虚荣指标易受人为操纵（如刷量），导致数据无法准确表征真实价值或技术突破。此外，构建过程中存在数据来源局限性——仅收录公开仓库且每日快照仅取前20名，可能遗漏长尾但具有潜力的优质资源，造成采样偏差。同时，Spaces类型的月下载量字段为空值，限制了跨类型比较的完整性。这些因素共同制约了数据集在反映社区真实创新动态时的鲁棒性与代表性。

常用场景

经典使用场景

在开放科学与人工智能生态系统的交汇点上，severo/trending-repos数据集为研究者提供了一扇洞察社区动态的窗口。其经典使用场景在于追踪Hugging Face平台上模型、数据集和Spaces三类资源的每日流行趋势，通过记录每个条目的排名、近期点赞数、总点赞数及月度下载量等关键指标，构建起一幅反映社区偏好演变的时序图谱。这一数据源尤其适用于分析开源AI资源的热度变迁、识别新兴技术方向的萌芽，以及量化社区对特定模型或数据集的关注度波动，从而为技术趋势预测和社区行为研究奠定基础。

实际应用

在实际应用中，severo/trending-repos数据集为AI从业者、平台运营者及技术投资方提供了决策支持工具。开发者可借助历史趋势数据识别出社区公认的高质量模型或数据集，从而在项目选型中优先采纳经社区验证的资源。平台运营团队则能通过分析热度变化曲线，及时调整推荐策略或发现异常刷榜行为。此外，风险投资机构与技术孵化器可利用该数据集评估特定技术方向的社区关注度，辅助判断新兴AI项目的市场潜力，实现从数据到商业洞察的转化。

衍生相关工作

该数据集衍生出一系列富有影响力的研究工作，主要集中在社区动力学建模与推荐系统优化两大方向。基于其时间序列特性，研究者构建了流行度预测模型，利用历史点赞与下载数据预测未来趋势，并探索了传播级联效应在开源资源扩散中的作用。同时，该数据集被用于训练跨模态推荐算法，通过关联模型与数据集的共现模式，提升资源发现的准确性。此外，部分工作利用其标签信息分析社区偏好的地域与时间异质性，揭示了不同领域用户群体对AI资源的选择差异，为个性化服务提供了理论依据。