英国网上书店书籍元数据数据集-2023
数据来源：互联网公开数据
标签：书籍元数据,网络爬虫,图书信息,分类,描述,图像,ISBN,评分,计算机视觉,NLP
数据概述：
本数据集包含从bookdepository.com网站爬取的大量书籍元数据，涵盖书籍的标题、描述、尺寸、类别、封面图像等关键信息。数据集中的每个样本包含以下字段：
- authors: 作者（字符串列表）
- bestsellers-rank: 最畅销排名（整数）
- categories: 类别（整数列表，具体分类请参考authors.csv）
- description: 描述（字符串）
- dimension-x: 尺寸X（厘米，浮点数）
- dimension-y: 尺寸Y（厘米，浮点数）
- dimension-z: 尺寸Z（毫米，浮点数）
- edition: 版本（字符串）
- edition-statement: 版本说明（字符串）
- for-ages: 适合年龄范围（字符串）
- format: 格式（整数，具体格式请参考formats.csv）
- id: 唯一标识符（整数）
- illustrations-note: 插图说明
- image-checksum: 封面图像校验和
- image-path: 封面图像文件路径
- image-url: 封面图像URL
- imprint: 出版说明
- index-date: 爬取日期（日期）
- isbn10: ISBN-10（字符串）
- isbn13: ISBN-13（字符串）
- lang: 书籍语言列表
- publication-date: 出版日期（日期）
- publication-place: 出版地（标识符）
- rating-avg: 评分平均值（0-5）
- rating-count: 评分数量
- title: 书名（字符串）
- url: 相对URL（https://bookdepository.com + URL）
- weight: 重量（千克）
数据集基于bookdepository.com的公开内容进行爬取，遵循其robots.txt协议。
数据用途概述：
该数据集适用于自然语言处理（NLP）、文本分类、计算机视觉等多种应用场景。研究人员可以使用此数据集进行文本挖掘、图像识别、分类模型训练等任务。此外，该数据集也可用于教育和培训，帮助学习者理解和应用相关技术。
