OSM带网站标签的多边形要素数据集

地理空间
0 下载
40 浏览
2026-08-12

数据集简介

Dataset card

该数据集由 NoeFlandre 创建,基于 OpenStreetMap 数据构建。它专门筛选出所有带有非空 website 或 contact:website 标签的闭合 way 和多边形 relation,并利用 Trafilatura 工具抓取并提取了这些网站主页的全文文本。数据以 Parquet 格式存储,规模在 1M 至 10M 条记录之间,采用 ODbL 许可协议,允许自由使用、共享和演绎,但需注明出处并以相同许可发布衍生作品。

数据集的核心字段包括:

  • polygon_id:多边形唯一标识
  • region:区域信息
  • source_pbf:来源 PBF 文件
  • osm_type、osm_id、osm_version、osm_timestamp:OSM 要素类型、ID、版本和时间戳
  • name:要素名称
  • website:网站地址
  • has_website:是否具有网站
  • website_class:网站分类
  • website_hostname:网站主机名
  • tags、tag_keys、tag_count:标签信息及数量
  • osm_primary_tag:OSM 主要标签
  • geometry、centroid、bbox:几何、质心和边界框
  • area_m2、area_bucket:面积(平方米)及面积分桶
  • schema_version:模式版本(v1.3)
  • website_text:提取的网站主页全文
  • website_word_count:网站文本词数
  • website_text_status:网站文本提取状态

Data Studio

数据集的统计信息会根据当前已确认上传的 Parquet 文件重新生成,确保数据的准确性和一致性。用户可以在 Data Studio 中查看数据集的整体概况、字段分布和样本数据,便于快速了解数据质量与覆盖范围。

Files and versions

数据集以 Parquet 格式提供,适合高效存储和查询。当前版本为 v1.3(schema_version),发布日期为 2026-08-12。用户可通过 Hugging Face 数据集页面直接下载 Parquet 文件,或使用 datasets 库加载数据。

Community

该数据集面向地理信息、自然语言处理、社会科学等领域的开发者与研究者开放。欢迎社区用户反馈问题、提出改进建议,或基于该数据集开展进一步的研究与应用。

基本信息

记录数量未知
文件大小未知
文件格式parquet
数据来源NoeFlandre
许可协议ODbL
数据规模1M - 10M
模式版本v1.3
数据落地页https://huggingface.co/datasets/NoeFlandre/osm-polygon-website-tag
发布日期2026-08-12
OpenStreetMap多边形网站标签地理数据ODbL

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费