IBM研究院 发布 Open Government Data Corpus (OGDC) 数据集, 应用在 信息检索、政府开放数据 领域

IBM研究院 本次发布的数据集 Open Government Data Corpus (OGDC), Open Government Data Corpus (OGDC) 是由IBM研究院创建的一个用于表格搜索的大规模数据集。该数据集利用政府门户网站的开放数据，通过元数据关联，为大规模数据表格搜索提供了首个基准。数据集内容包括来自多个政府门户的数据表格，这些表格在规模和格式上与显示在维基百科页面或arXiv论文上的表格有显著差异。创建过程中，通过CKAN API下载并处理了CSV和Excel文件，去除了重复数据，确保了数据集的质量。OGDC的应用领域主要集中在信息检索和数据湖中的数据发现，旨在解决在大量无结构数据中定位有用数据的问题。

查看Open Government Data Corpus (OGDC)

关于 IBM研究院 , IBM研究院是国际商业机器公司（IBM）旗下的研究机构，致力于推动科技创新和解决全球性挑战。该研究院在人工智能、云计算、量子计算等领域有着深厚的研究积累和广泛的影响力。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。