列表
地址
- china_regions - 中国省，市，区县，商圈数据。Json格式
- china_area_mysql - 中国5级行政区域mysql库
- GB2260 - 中华人民共和国国家标准 GB/T 2260 行政区划代码
- china-city-subway - 地铁数据库
- Community Data - 小区数据库
- All The Cities - 世界所有人口多的城市
- city - 中华人民共和国行政区划数据：省份、城市、区县。中国省市区镇三级联动地址数据。城市经纬度数据
- GeoIP2-CN - 中国大陆IP地址库
中文
- nlp_chinese_corpus - 大规模中文自然语言处理语料
- Embedding Corpus for Chinese - Tencent AI Lab Embedding Corpus for Chinese Words and Phrases
- chinese-poetry - 最全中华古诗词数据库
- chinese_chatbot_corpus - 聊天语料
- ChineseSemanticKB - 词语关系列表（同义词/反义词/词分类等）
- stopwords - 停用词词库（可以跳过的词）
图像 / 视频
- tencent-ml-images - Largest multi-label image database; ResNet-101 model; 80.73% top-1 acc on ImageNet
- matting_human_datasets - 人像数据集
- VATEX - 视频描述数据集
声音
- Common Voice - 语音
其他
- Enterprise-Registration-Data-of-Chinese-Mainland - 中国大陆 31 个省份1978 年至 2019 年一千多万工商企业注册信息
爬虫
- Fast-Lianjia-Crawler - 链家爬虫
- nsfw_data_source_urls - 成人图片网址
- nsfw_data_scrapper - 成人图片爬虫
别的列表
- awesome-public-datasets
- datasets - tensorflow datasets
- awesome json datasets - A curated list of awesome JSON datasets that don’t require authentication
- TableBank
- gopup - 各大网站指数数据