数据湖基准测试表格联合搜索完整数据集

数据集概述

本数据集是一个数据湖基准测试集合，主要用于表格联合搜索研究。数据来源于多个公开数据集仓库，包括Mendeley数据存储库、GitHub代码库和UCI机器学习仓库。数据集以ZIP压缩包形式提供，包含从不同领域收集的表格数据，适用于数据集成和表格匹配算法的性能评估。

文件详解

• 数据湖压缩包
• 文件名称：data.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内包含从多个来源收集的表格数据文件，具体文件结构和字段信息需解压后查看

数据来源

• https://doi.org/10.17632/y5v2zy356t.1
• https://data.mendeley.com/datasets/y5v2zy356t/1
• https://github.com/RJMillerLab/table-union-search-benchmark
• https://github.com/northeastern-datalab/DomainNet-Datasets
• https://archive.ics.uci.edu/

适用场景

• 表格联合搜索算法评估：用于测试和比较不同表格匹配和联合搜索算法的性能
• 数据湖管理研究：研究数据湖中异构表格数据的组织、索引和查询优化
• 数据集成技术开发：支持跨领域表格数据的自动发现和集成方法研究
• 基准测试构建：为数据管理和数据发现领域提供标准化的测试基准