Google和數(shù)據(jù)技術的發(fā)展一直是齊頭并進的，現(xiàn)在Google通過更快搜索數(shù)據(jù)來進一步強化大眾和數(shù)據(jù)的關系。

眼下，一個好消息又來了：Google再次宣布開放一個全新的搜索服務：Dataset Search（數(shù)據(jù)集搜索）。

還記得不久之前Google發(fā)布的Google  Scholar（學術搜索）嗎？當時的Google Scholar 填補了快速查找學術資料的空白，那么這一次，Google直接將注意力更精準地聚焦到了數(shù)據(jù)集，簡直“體貼又細心”！

Google人工智能研究科學家Natasha Noy表示，科學家、研究人員、數(shù)據(jù)記者和其他有興趣使用數(shù)據(jù)的人是這個工具的主要受眾，與此同時，Google認為這些數(shù)據(jù)集在整個Google產(chǎn)品中的地位將會變得更加突出。

數(shù)據(jù)工作者的又一“神器”

首先，數(shù)據(jù)集到底是什么？先來普及下概念。Dataset（數(shù)據(jù)集），又稱為資料集、數(shù)據(jù)集合或資料集合，是一種由數(shù)據(jù)所組成的集合。Dataset通常以表格形式出現(xiàn)。每一列代表一個特定變量，每一行都對應于某一成員的數(shù)據(jù)集的問題。它列出的價值觀為每一個變量，如身高和體重的一個物體或價值的隨機數(shù)。每個數(shù)值被稱為數(shù)據(jù)資料。對應于行數(shù)，該數(shù)據(jù)集的數(shù)據(jù)可能包括一個或多個成員。

從歷史上看，這個術語起源于大型機領域，在那里它有一個明確界定的意義，非常接近現(xiàn)代的計算機檔案。

Natasha Noy表示，這個新服務會將數(shù)萬個不同在線數(shù)據(jù)集存檔統(tǒng)一起來。那最終這些數(shù)據(jù)集的歸屬在哪呢？Natasha Noy談到：“我們想要讓這些數(shù)據(jù)可以被發(fā)現(xiàn)，但數(shù)據(jù)仍保留在原始位置?！?/p>

如何運行？我們嘗試進行了操作

這個Dataset Search怎么運行的？事實上，即使對于組織最完善、數(shù)據(jù)最豐富的人來說，也需要利用來源于外部的數(shù)據(jù)。

舉個天氣和環(huán)境數(shù)據(jù)的典型例子。

假設你想要將農(nóng)業(yè)數(shù)據(jù)與天氣現(xiàn)象相關聯(lián)以預測作物生長，或者想要研究天氣對整個歷史時期發(fā)生的現(xiàn)象的影響。這種歷史天氣數(shù)據(jù)，幾乎不可能由任何單一組織積累和策劃，很可能由NOAA和NASA等組織隨時提供（雷鋒網(wǎng)注：NOAA是美國國家海洋和大氣管理局，NASA是美國國家航空航天局）。

這些組織會通過專用數(shù)據(jù)門戶定期策劃和發(fā)布其數(shù)據(jù)，因此，如果你需要定期獲取數(shù)據(jù)，可能需要熟悉通過這些門戶定位數(shù)據(jù)的過程。當然，你還必須同時關注NOAA和NASA之外的其他可能的信息來源。

如果不僅需要天氣數(shù)據(jù)，還想找到正確的來源，然后再找到這些來源的更多正確數(shù)據(jù)，在此之前一個搜索界面根本無法做到，現(xiàn)在Google開發(fā)了Dataset Search，可以實現(xiàn)一個界面搜索出來，是不是很驚喜很意外？

實際上，Google對結(jié)構(gòu)化數(shù)據(jù)的熱愛一直是持續(xù)的，標志性事件就是通過收購Metaweb整合了Google的知識圖譜，并通過schema.org支持結(jié)構(gòu)化元數(shù)據(jù)。

搜索數(shù)據(jù)集會檢索查詢的多個結(jié)果，顯示數(shù)據(jù)集提供者和時間段

雷鋒網(wǎng)編輯嘗試進入Dataset Search官網(wǎng)，發(fā)現(xiàn)在搜索頁面，如果一個數(shù)據(jù)集直接對應于一個出版物，那么在數(shù)據(jù)集名稱旁邊就有一個出版物的鏈接。雷鋒網(wǎng)還觀察到，Google還提供了參考數(shù)據(jù)集的出版物的大致數(shù)量。

諸多問題值得考慮：錯誤內(nèi)容、排名與盈利的可能

推出了這個搜索，不僅為專業(yè)用戶提供方便，而且對于數(shù)據(jù)集提供商也是大有好處。NOAA的CDO（首席開發(fā)官） Ed Kearns是該項目的堅定支持者，并幫助NOAA在該工具中搜索了許多數(shù)據(jù)集。

“這種類型的搜索，長期以來一直是開放數(shù)據(jù)和科學界許多研究人員的夢想。對于NOAA而言，一部分工作是與他人共享我們的數(shù)據(jù)，Dataset Search對于讓更廣泛的用戶社區(qū)更容易訪問我們的數(shù)據(jù)至關重要?！?/p>

Dataset Search搜索后進入某一個數(shù)據(jù)集鏈接，其對一些信息的排名

為了避免數(shù)據(jù)集提供商將內(nèi)容錯誤地描述為“數(shù)據(jù)集”，Google能夠告訴它“這不是一個數(shù)據(jù)集”或者降低它的排名嗎？Google并沒有給出明確的應對措施，只是表示，Google會在用戶開始使用該工具后獲得更多經(jīng)驗，進行改進，努力地提高結(jié)果的質(zhì)量。

如何解決被搜索出的數(shù)據(jù)集排名問題呢？Google表示，對數(shù)據(jù)集來自的頁面使用Web排名的組合（基于Google算法），并將其與數(shù)據(jù)集特定信號（如元數(shù)據(jù)質(zhì)量、引用等）相結(jié)合。

再進一步想，如果排除在搜索排名上盈利的可能，Google哪一天會不會拿它出來盈利？比如從銷售渠道收集數(shù)據(jù)，并使用它們來生成具有洞察力的定期報告？

不論如何，眼下這個項目是有助于科學決策的，需要的人士盡管放心的使用。不過隨著數(shù)據(jù)的價值越來越凸顯，Google也越來越重視，包括其在云計算和AI不斷加大投入。

大膽猜測一下，Dataset Search會是Google在學術數(shù)據(jù)領域的商業(yè)化的第一步。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。