手工维护数据集的发布实践

作者团队手工维护一套覆盖50个司法辖区的加密牌照监管参考表，因读者截图导致信息无日期、无来源，故将数据以带DOI的数据集形式发布。文章强调，数据集元数据需记录输入数据与生成代码的哈希及快照，并特别指出git_tree_dirty字段的重要性，以反映导出时工作区是否有未提交改动。此外，CSV中空白单元格含义模糊，需显式列出所有空值及其原因，避免读者误解。作者分享了其元数据设计思路，旨在确保数据可复现、可引用。