Hugging Face's logo

Datasets:
ACCA225
/
iwara_metadata

Dataset card Files
xet
Community
Dataset Viewer
The dataset viewer is not available for this split.
Cannot load the dataset split (in streaming mode) to extract the first rows.
Error code:   StreamingRowsError
Exception:    TypeError
Message:      Couldn't cast array of type int64 to null
Traceback:    Traceback (most recent call last):
                File "/src/services/worker/src/worker/utils.py", line 99, in get_rows_or_raise
                  return get_rows(
                File "/src/libs/libcommon/src/libcommon/utils.py", line 272, in decorator
                  return func(*args, **kwargs)
                File "/src/services/worker/src/worker/utils.py", line 77, in get_rows
                  rows_plus_one = list(itertools.islice(ds, rows_max_number + 1))
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/iterable_dataset.py", line 2285, in __iter__
                  for key, example in ex_iterable:
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/iterable_dataset.py", line 1856, in __iter__
                  for key, pa_table in self._iter_arrow():
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/iterable_dataset.py", line 1888, in _iter_arrow
                  pa_table = cast_table_to_features(pa_table, self.features)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2220, in cast_table_to_features
                  arrays = [cast_array_to_feature(table[name], feature) for name, feature in features.items()]
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2220, in <listcomp>
                  arrays = [cast_array_to_feature(table[name], feature) for name, feature in features.items()]
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1796, in wrapper
                  return pa.chunked_array([func(chunk, *args, **kwargs) for chunk in array.chunks])
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1796, in <listcomp>
                  return pa.chunked_array([func(chunk, *args, **kwargs) for chunk in array.chunks])
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2006, in cast_array_to_feature
                  arrays = [
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2007, in <listcomp>
                  _c(array.field(name) if name in array_fields else null_array, subfeature)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1798, in wrapper
                  return func(array, *args, **kwargs)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2006, in cast_array_to_feature
                  arrays = [
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2007, in <listcomp>
                  _c(array.field(name) if name in array_fields else null_array, subfeature)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1798, in wrapper
                  return func(array, *args, **kwargs)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2006, in cast_array_to_feature
                  arrays = [
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2007, in <listcomp>
                  _c(array.field(name) if name in array_fields else null_array, subfeature)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1798, in wrapper
                  return func(array, *args, **kwargs)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 2103, in cast_array_to_feature
                  return array_cast(
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1798, in wrapper
                  return func(array, *args, **kwargs)
                File "/src/services/worker/.venv/lib/python3.9/site-packages/datasets/table.py", line 1949, in array_cast
                  raise TypeError(f"Couldn't cast array of type {_short_str(array.type)} to {_short_str(pa_type)}")
              TypeError: Couldn't cast array of type int64 to null

Need help to make the dataset viewer work? Make sure to review how to configure the dataset viewer, and open a discussion for direct support.

YAML Metadata Warning: empty or missing yaml metadata in repo card (https://huggingface.co/docs/hub/datasets-cards)

iwara_metadata 数据集

概述

iwara_metadata 是Iwara的视频元数据集合，包含了从首个视频至 2025 年 6 月期间的视频作品元数据。数据以 JSON 格式存储，按照年-月的目录结构进行组织。

目录结构 

classification/
├── 2014-02/
├── 2014-03/
├── ...
└── 2025-06/
    ├── #045【フータオ】Dream_of_You.json
    ├── #045【フータオ】Dream_of_You全裸.json
    ├── #17-StarRail_負けたくない.json
    └── ...

数据格式

每个 JSON 文件包含单个视频的完整元数据信息。数据结构如下：

主要字段

  • id: 视频唯一标识符
  • slug: URL 友好的标题标识
  • title: 视频标题
  • body: 视频描述（可能为空）
  • status: 视频状态（如 "active"）
  • rating: 内容分级（如 "ecchi", "general" 等）
  • private: 是否为私有视频
  • unlisted: 是否未列出
  • thumbnail: 缩略图索引
  • embedUrl: 嵌入链接（可能为空）

统计信息

  • liked: 当前用户是否点赞
  • numLikes: 点赞数
  • numViews: 观看次数
  • numComments: 评论数

文件信息 (file)

  • id: 文件唯一标识符
  • type: 文件类型（如 "video"）
  • path: 存储路径
  • name: 文件名
  • mime: MIME 类型
  • size: 文件大小（字节）
  • width/height: 视频尺寸
  • duration: 时长（秒）
  • numThumbnails: 缩略图数量
  • animatedPreview: 是否有动画预览
  • createdAt: 创建时间
  • updatedAt: 更新时间

自定义缩略图 (customThumbnail)

包含自定义缩略图的详细信息，结构与文件信息类似。

用户信息 (user)

  • id: 用户唯一标识符
  • name: 显示名称
  • username: 用户名
  • status: 用户状态
  • role: 用户角色
  • premium: 是否为付费用户
  • creatorProgram: 是否参与创作者计划
  • avatar: 头像信息

标签 (tags)

每个标签包含：

  • id: 标签标识符
  • type: 标签类型（如 "general", "source", "category"）
  • sensitive: 是否为敏感标签

元数据

  • createdAt: 记录创建时间
  • updatedAt: 记录更新时间
  • _page: 页码信息
  • _fetchTime: 数据获取时间

数据示例 

{
  "id": "xF38nxQHnWXWPH",
  "slug": "genshin-impact-mizuki-bon-bon-chocolat",
  "title": "(Genshin Impact) Mizuki - Bon Bon Chocolat",
  "status": "active",
  "rating": "ecchi",
  "numLikes": 296,
  "numViews": 3810,
  "file": {
    "type": "video",
    "mime": "video/mp4",
    "size": 297583518,
    "duration": 231
  },
  "tags": [
    {"id": "dance", "type": "general"},
    {"id": "genshin_impact", "type": "source"},
    {"id": "mikumikudance", "type": "category"}
  ]
}

数据统计

  • 时间跨度: 2014年2月 - 2025年6月
  • 目录数量: 136个月度目录
  • 数据格式: JSON
  • 文件命名: 使用视频标题作为文件名

使用建议

  1. 批量处理: 可以使用脚本遍历所有目录进行批量数据分析
  2. 时间序列分析: 利用目录结构进行时间维度的趋势分析
  3. 标签分析: 通过标签信息了解内容分类和流行趋势
  4. 用户行为研究: 通过点赞数、观看数等数据研究用户偏好

注意事项

  • 文件名可能包含特殊字符，处理时需要注意编码问题
  • 部分字段可能为 null，使用时需要进行空值检查
  • 时间戳为 ISO 8601 格式，需要适当解析

许可和使用限制

请确保在使用本数据集时遵守相关法律法规和平台服务条款。本数据集仅供AI研究目的使用。

最后更新: 2025年6月13日

我已经为您创建了一个完整的 README 文档。这个 README 包含了：

数据集概述 - 说明这是什么数据 目录结构 - 展示数据的组织方式 详细的数据格式说明 - 解释每个 JSON 字段的含义 数据示例 - 提供简化的 JSON 示例 使用建议 - 如何有效利用这个数据集 注意事项 - 使用时需要注意的问题

您可以将这个 README.md 文件保存在数据集的根目录下，方便其他人了解和使用这个数据集。如果需要添加或修改任何内容，请告诉我。

Downloads last month
41