FindsAIDatabase/findsai-products

--- dataset_info: features: - name: availability dtype: string - name: brand dtype: string - name: canonical_url dtype: string - name: category_norm dtype: string - name: category_raw dtype: string - name: color dtype: string - name: created_at dtype: string - name: currency dtype: string - name: gender dtype: string - name: id dtype: int64 - name: image_primary dtype: string - name: price dtype: float64 - name: raw_json_ld dtype: string - name: retailer dtype: string - name: retailer_product_id dtype: string - name: title dtype: string - name: updated_at dtype: string splits: - name: train num_bytes: 3042006 num_examples: 3826 download_size: 885413 dataset_size: 3042006 configs: - config_name: default data_files: - split: train path: data/train-* --- # findsAi Products Dataset Fashion product catalog for findsAi image matching model. ## Dataset Information - **Total Products**: 1,505 - **Retailers**: Neiman Marcus (505), The RealReal (500), Nordstrom (500) - **Categories**: Tops (300), Bottoms (300), Shoes (302), Bags (300), Accessories (303) ## Files - `findsai_products.json` - Complete product data in JSON format - `findsai_products.csv` - Product data in CSV format - `dataset_info.json` - Dataset metadata and statistics ## Usage ```python from datasets import load_dataset # Load the dataset dataset = load_dataset("Kanishkagarwal6101/findsai-products") # Access the data products = dataset['train'] print(f"Loaded {len(products)} products") # Example: Get first product first_product = products[0] print(f"Title: {first_product['title']}") print(f"Brand: {first_product['brand']}") print(f"Image: {first_product['image_primary']}") ``` ## Fields - `id` - Unique product ID - `retailer` - Retailer name (neiman_marcus, therealreal, nordstrom) - `retailer_product_id` - Retailer's internal product ID - `title` - Product title - `brand` - Brand name - `price` - Product price - `currency` - Currency code - `availability` - Availability status - `canonical_url` - Product URL - `image_primary` - Primary product image URL - `category_norm` - Normalized category - `category_raw` - Raw category - `color` - Product color - `gender` - Target gender - `raw_json_ld` - Raw JSON-LD data - `created_at` - Creation timestamp - `updated_at` - Last update timestamp ## License MIT License ## Tags fashion, e-commerce, product-catalog, image-matching, embeddings--- 数据集元信息： 特征： - 名称：供货状态（availability），数据类型：字符串 - 名称：品牌（brand），数据类型：字符串 - 名称：规范URL（canonical_url），数据类型：字符串 - 名称：标准化分类（category_norm），数据类型：字符串 - 名称：原始分类（category_raw），数据类型：字符串 - 名称：颜色（color），数据类型：字符串 - 名称：创建时间戳（created_at），数据类型：字符串 - 名称：货币代码（currency），数据类型：字符串 - 名称：目标受众性别（gender），数据类型：字符串 - 名称：唯一产品ID（id），数据类型：int64 - 名称：主产品图片链接（image_primary），数据类型：字符串 - 名称：产品价格（price），数据类型：float64 - 名称：原始JSON-LD数据（raw_json_ld），数据类型：字符串 - 名称：零售商（retailer），数据类型：字符串 - 名称：零售商内部产品ID（retailer_product_id），数据类型：字符串 - 名称：产品标题（title），数据类型：字符串 - 名称：最后更新时间戳（updated_at），数据类型：字符串 拆分集： - 名称：训练集（train），占用字节数：3042006，样本数量：3826 下载大小：885413 数据集总大小：3042006 配置项： - 配置名称：默认配置（default），数据文件： - 拆分集：训练集（train），文件路径：data/train-* --- # findsAi 产品数据集 适用于findsAi图像匹配模型的时尚产品目录。 ## 数据集详情 - **总产品数**：1505 - **合作零售商**：Neiman Marcus（505件）、The RealReal（500件）、Nordstrom（500件） - **产品分类**：上衣（300件）、下装（300件）、鞋履（302件）、箱包（300件）、配饰（303件） ## 文件说明 - `findsai_products.json`：JSON格式的完整产品数据集 - `findsai_products.csv`：CSV格式的产品数据集 - `dataset_info.json`：数据集元数据与统计信息 ## 使用示例 python from datasets import load_dataset # 加载目标数据集 dataset = load_dataset("Kanishkagarwal6101/findsai-products") # 访问数据集内容 products = dataset['train'] print(f"已成功加载 {len(products)} 件产品") # 示例：获取首件产品信息 first_product = products[0] print(f"产品标题：{first_product['title']}") print(f"品牌：{first_product['brand']}") print(f"主图片链接：{first_product['image_primary']}") ## 字段说明 - `id`：唯一产品标识符 - `retailer`：零售商名称（可选值：neiman_marcus、therealreal、nordstrom） - `retailer_product_id`：零售商内部产品编号 - `title`：产品标题 - `brand`：品牌名称 - `price`：产品售价 - `currency`：货币代码 - `availability`：供货状态 - `canonical_url`：产品规范URL - `image_primary`：主产品图片链接 - `category_norm`：标准化分类标签 - `category_raw`：原始分类标签 - `color`：产品颜色 - `gender`：目标受众性别 - `raw_json_ld`：原始JSON-LD数据 - `created_at`：创建时间戳 - `updated_at`：最后更新时间戳 ## 授权协议 MIT 许可证 ## 标签 时尚、电子商务、产品目录、图像匹配、嵌入向量