英文书籍（主要为txt，部分为epub or pdf）

93.53%

按需更新

NDJSON、JSON、CSV、XLSX、Parquet，支持定制化

Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive

为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。

数据覆盖全量业务场景，样本均衡，具备行业代表性