数据集 Dataset：Google 数据集搜索与元数据标记

Dataset 是类型图鉴里最「专业向」的一个：它不会在普通网页搜索里给你一张漂亮卡片，而是服务于一个专门的产品——Google 数据集搜索。如果你发布科研数据、统计数据、政府开放数据或机器学习数据集，正确的 Dataset 元数据能让真正在找数据的人发现它。它的价值不在流量，在「被对的人找到」。

Dataset 是什么#

Dataset 描述一个数据集——一组可被引用、下载或访问的数据。它的主要去向是 Google 数据集搜索（Dataset Search），一个面向研究者和数据使用者的垂直搜索引擎，而不是普通网页搜索的富媒体卡片。

官方文档入口：Google Search Central：Dataset structured data。

受众是找数据的人Dataset 不为普通流量服务。判断要不要用它，先问：你是否真的发布了可被引用/下载的数据集？是，才用；否，别套。

必填与推荐字段#

字段	必填	说明
`name`	必填	数据集名称
`description`	必填	具体、有信息量的描述
`distribution`	推荐	`DataDownload`，含 contentUrl、encodingFormat
`creator`	推荐	创建者，Person 或 Organization
`license`	推荐	许可 URL 或说明
`identifier`	推荐	DOI 等持久标识符
`variableMeasured`	推荐	数据测量的变量
`temporalCoverage`	推荐	时间覆盖范围
`spatialCoverage`	推荐	空间/地理覆盖范围

完整 JSON-LD 示例#

dataset.json

{
  "@context": "https://schema.org",
  "@type": "Dataset",
  "name": "中文站点结构化数据采用率年度数据集",
  "description": "2020–2026 年中文网站结构化数据采用率的抽样统计，涵盖类型分布、JSON-LD 占比与错误率，按年汇总。",
  "identifier": "https://doi.org/10.0000/example.sd-cn-2026",
  "keywords": ["结构化数据", "JSON-LD", "SEO"],
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "creator": {
    "@type": "Organization",
    "name": "MagicSEO",
    "url": "https://magic-seo.com/"
  },
  "temporalCoverage": "2020-01-01/2026-12-31",
  "spatialCoverage": "中国大陆",
  "variableMeasured": ["采用率", "类型分布", "错误率"],
  "distribution": [
    {
      "@type": "DataDownload",
      "encodingFormat": "text/csv",
      "contentUrl": "https://example.com/data/sd-cn-2026.csv"
    },
    {
      "@type": "DataDownload",
      "encodingFormat": "application/json",
      "contentUrl": "https://example.com/data/sd-cn-2026.json"
    }
  ]
}

distribution 与下载格式#

distribution 是让数据集真正「可用」的关键。每个 DataDownload：

contentUrl 指向可直接下载的数据文件，地址要真实可访问；
encodingFormat 标明格式，如 text/csv、application/json、application/vnd.ms-excel；
同一数据集多种格式可提供多个 DataDownload；
通过 API 提供时，结合相应字段说明访问方式。

让数据集可发现的元数据#

字段	为什么重要
`description`	用户判断是否相关的首要依据，要具体
`license`	能否使用、如何使用，直接影响可用性
`identifier`（DOI 等）	持久引用，学术与数据场景必要
`temporalCoverage` / `spatialCoverage`	时间与地理范围，帮助精准筛选
`variableMeasured`	说明数据测了什么，提升匹配度
`creator` / `publisher`	来源与可信度

许可信息要给清楚#

缺许可=没人敢用license 告诉用户能否、如何使用数据。建议指向标准许可（如 CC 协议）的 URL 或给清晰说明。缺许可会让潜在使用者却步，也降低数据集吸引力。

本站为什么暂不实装 Dataset#

本页是教程文章，没有发布可下载、可引用的真实数据集。上面示例中的 DOI、下载地址均为占位。给一篇没有数据集的页面标 Dataset，等于标记了不存在的内容。

本站示范若本站日后发布真实的 SEO 数据集（如上例主题），并提供可下载文件与许可，再在那个数据集页面添加 Dataset。本文继续用 Article、BreadcrumbList、FAQPage。

验证和监控#

用 Rich Results Test 或 Schema 校验工具检查 name、description 等。
确认 distribution 的 contentUrl 真实可下载、encodingFormat 正确。
核对 license、identifier、覆盖范围等元数据准确。
在 Google 数据集搜索中检索，确认能被发现。
大量数据集可结合站点地图帮助抓取。

常见错误#

错误	为什么危险	修正
description 空泛	难被判断相关	写具体、有信息量的描述
没有 distribution	数据不可下载	提供 DataDownload + contentUrl
缺 license	没人敢用	给标准许可 URL 或说明
给非数据集页面套 Dataset	标记不存在内容	仅给真实数据集标记
下载地址失效	承诺无法兑现	确保 contentUrl 可访问

Dataset 上线清单#

确实发布了可下载/可引用的数据集
name 与 description 齐全且具体
distribution 提供 DataDownload（contentUrl + encodingFormat）
license 用标准许可 URL 或清晰说明
identifier 提供 DOI 等持久标识（如有）
temporalCoverage / spatialCoverage / variableMeasured 视情况补充
creator / publisher 说明来源
下载地址真实可访问
在 Google 数据集搜索中可被检索
校验工具无关键错误

常见问题#

Dataset 结构化数据会带来普通的富媒体结果吗？

不会以常见的富媒体卡片形式出现在普通网页搜索里。Dataset 结构化数据主要服务于 Google 数据集搜索（Dataset Search）这个垂直搜索产品，帮助研究者和数据用户在那里发现你的数据集。它的目标受众是找数据的人，而不是普通网页搜索流量。

Dataset 必填哪些字段？

Google 对 Dataset 的必填字段是 name 和 description。description 建议写得足够具体、有信息量。要让数据集真正可用、可被发现，强烈建议补充 distribution（含 DataDownload 的 contentUrl 与 encodingFormat）、creator、license、identifier、variableMeasured、temporalCoverage、spatialCoverage 等推荐字段。

怎么提供数据的下载地址？

用 distribution 字段，值为一个或多个 DataDownload 对象，每个对象用 contentUrl 指向可直接下载的数据文件，用 encodingFormat 标明格式（如 text/csv、application/json）。如果数据通过 API 提供，可结合相应字段说明访问方式。下载地址应真实可访问。

许可信息 license 重要吗？

很重要。license 告诉用户数据能否以及如何被使用，对数据集的可用性和可信度影响很大。建议用指向标准许可（如 CC 协议）的 URL，或清晰的许可说明。缺少许可信息会让潜在使用者犹豫，也降低数据集在数据集搜索中的吸引力。