开放数据集合分享
巧妇难为无米之炊,如果没有数据,大数据Hadoop系统再大也无意义了。
给大家推荐几个数据集合
1.【Stanford Dataset】来源于美国斯坦福大学SNAP实验室,数据子集合涉及社交网络,Ground-Truth社区网络,通信网络,引用网络,协同网络,Web图挖掘等16个大类,138个小类,总大小达45.9G。下载地址:http://t.cn/zjdJhPf
2.【Sogou Labs】搜狗实验室语料库 访问地址: http://www.sogou.com/labs/resources.html
TB级别互联网语料库,可以用于全文检索的研究。链接关系库,可以用于pagerank计算。互联网图片库,可以用于图片数据计算。全网新闻数据,分类算法研究.
3.【ClueWeb09 语料库】 Web Graph 400G 的数据。是做PageRank 的好材料了。http://t.cn/zTFM4uQ
4.【netflix 电影访问库】 可以用来计算推荐算法
当然这些数据其实都是死数据,如果没有海量用户来访问请求,价值依然无法发挥出来,大数据需要依靠闭环反馈来放大,这大数据也同样意味需要大系统,大用户来支持。不过研究研究也是乐趣,总比没有强吧。