Google Dataset Search

Google Dataset Search 是面向数据集的发现入口：它读取数据仓库、机构网站和发布页公开的结构化元数据，把分散的数据集集中到一次搜索中。真正的文件、访问申请、版本记录与许可仍由原始发布者管理，所以它最适合扩大候选池，不能替代对原始数据页的验收。

先把问题写成可筛选的数据条件

与搜索普通网页不同，找数据时需要同时限定研究对象、空间范围、时间范围和数据形态。例如寻找城市空气质量数据，不要只输入“air quality”，还应加入城市或国家、年份，以及 CSV、API 或 time series 等交付条件。查询词越接近数据集标题、变量或发布机构使用的术语，越容易排除新闻、报告和只引用数据的二手页面。

结果摘要只用于初筛

结果页可能呈现名称、说明、提供者、更新时间和格式等元数据。这些字段来自发布页面的 Dataset、DataCatalog、DataDownload 或 DCAT 标记，完整度取决于原站。摘要缺少许可或下载格式，不等于数据没有这些信息；反过来，摘要写有 CSV，也不能证明链接仍可访问。

沿元数据回到规范发布页

打开候选结果后，先确认落地页是不是该数据集的规范页面，而不是目录列表、搜索结果或转载副本。Google 面向发布者的规范建议用 sameAs 指向数据集的规范版本，并用 identifier 记录 DOI 等标识；distribution 则说明具体下载位置和编码格式。研究任务中应把这些字段转成一张来源记录。

• 主体：creator 或发布机构是否与研究领域和数据说明一致。
• 身份：是否有 DOI、稳定编号、版本号或规范页面。
• 范围：spatialCoverage、temporalCoverage 与变量说明是否覆盖问题。
• 交付：distribution 的 contentUrl 和 encodingFormat 是否真实可用。
• 许可：license 是否指向明确版本，而不是含糊写“开放数据”。

下载前做一次可用性验收

1. 从原始页面下载一个样本文件，核对列名、单位、编码、缺失值和时间粒度。
2. 检查发布日期、最近更新与版本历史，区分数据覆盖结束和页面更新时间。
3. 记录作者或机构、数据集标题、版本或日期、稳定链接和许可。
4. 需要注册、申请或付费时，把访问条件列入项目计划，不把搜索结果标成“可直接下载”。

搜索排名不是质量评级。同一主题出现多个镜像时，优先选择有方法说明、版本记录、明确许可和稳定标识的发布页；涉及个人、医疗或位置数据，还要检查去标识化与使用限制。入口：https://datasetsearch.research.google.com/

发布者能怎样提高被发现的机会

Google 的 Dataset 结构化数据文档要求在描述数据集的页面提供名称和说明，并建议补充创建者、标识符、许可、时间与空间覆盖、下载格式和规范版本关系。标记必须与页面可见内容一致；列表页不应冒充每个数据集的规范落地页。结构化数据可以帮助发现，却不保证收录、排序或数据质量。