SEO 百科

数据集

本页目录

数据集

数据集是网页上描述一份数据文件的结构化数据类型，对应 schema.org 的 Dataset[1]。它不改变普通搜索结果的样式，而是把数据送进 Google 数据集搜索这个专门入口[3]。做政府数据、科研数据与公开数据站的机构，用它让数据被检索到。

在数据集搜索里的作用

这部分标记服务的是数据发现，不是排名。Google 说明，为数据集补上名称、描述、创建者与分发格式这些信息，数据就更容易在数据集搜索里被找到[3]。

能算作数据集的材料很广：一份 CSV 表、一组表、一个专有格式的数据文件、一批构成数据集的文件、机器学习用的参数文件[3]。

Google 的读取方式不止一种。它能读 schema.org 的 Dataset 标记，也能读 W3C 的数据目录词汇表格式[3]。这套做法在 Google 与学术界合作的一次尝试里成型[4]。Bing 也支持用 schema.org 标记页面[2]。

必需属性

Dataset 的必需属性是 name 与 description[3]。名称写数据集的标题，描述写它讲的是什么。

建议属性决定它能不能被认出来：url、sameAs、creator、license、identifier、keywords、distribution[3]。

distribution 用来说明数据在哪里下载，每一条都写成 DataDownload，带上 contentUrl 与 encodingFormat[3]。字数也要留意，文字类属性建议控制在 5000 字以内，Google 只取前 5000 字[3]。

写法与示例

下面这段可以照抄，改掉名称与文件地址即可。

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Dataset",
  "name": "云栖空气质量年度数据",
  "description": "云栖市 2025 年逐日空气质量监测数据，含 PM2.5 与 PM10 浓度。",
  "url": "https://www.example.com/datasets/air-quality-2025",
  "license": "https://creativecommons.org/publicdomain/zero/1.0/",
  "isAccessibleForFree": true,
  "keywords": ["空气质量", "PM2.5", "环境监测"],
  "creator": {
    "@type": "Organization",
    "name": "云栖市环境监测中心",
    "url": "https://www.example.com"
  },
  "includedInDataCatalog": {
    "@type": "DataCatalog",
    "name": "云栖开放数据平台"
  },
  "distribution": [
    {
      "@type": "DataDownload",
      "encodingFormat": "CSV",
      "contentUrl": "https://www.example.com/files/air-quality-2025.csv"
    },
    {
      "@type": "DataDownload",
      "encodingFormat": "JSON",
      "contentUrl": "https://www.example.com/files/air-quality-2025.json"
    }
  ],
  "temporalCoverage": "2025-01-01/2025-12-31"
}
</script>

标记放在数据集的详情页上。列表页与搜索结果页不要标，或者用 sameAs 指回详情页[3]。

来源与许可

数据集的来历要交代清楚。转载或聚合来的数据，要用 sameAs 指回原发布方[3]。同一个 sameAs 只能对应一份数据集[3]。

内容改动较大的，改用 isBasedOn 说明它基于哪份数据[3]。聚合了多份来源的，也用这一项列出[3]。

数字对象标识符要挂在 identifier 上。一份数据有多个标识符时，把 identifier 重复写[3]。

常见误用

一个误用是只写名称不写描述。描述是必需属性，缺了它数据集不会出现在数据集搜索里[3]。

另一个误用是把列表页也标上数据集。列表页应该用 sameAs 指向详情页，而不是重复标记[3]。

还有一个误用是把描述写得过长。文字类属性只取前 5000 字，超出的部分不会被使用[3]。

附录

参见

参考资料

官方（境外）

  1. 《Dataset》，schema.org。
  2. 《Marking up your site: Overview》，Bing。
  3. 《数据集（Dataset、DataCatalog、DataDownload）结构化数据》，Google 搜索中心。

第三方

  1. 《Google Dataset Search: Building a search engine for datasets in an open Web ecosystem》，WWW '19 会议论文，2019-05。

外部链接

无。