IMDb Non-Commercial Datasets翻译站点

IMDb Non-Commercial Datasets是亚马逊旗下IMDb官方发布的免费非商用数据子集，每日更新，提供电影、剧集、演员等核心元数据的TSV文件，适用于学术研究与个人项目。用户可直接从https://datasets.imdbws.com/下载数据，无需登录。2024年3月18日起数据集更换了新的数据源，但存储位置和schema未变。

从官方数据源下载TSV文件

数据文件以TSV格式提供，缺失或空值用’\N’表示。核心文件包括：title.crew.tsv和title.principals.tsv包含导演、编剧、演员及角色信息；title.ratings.tsv包含加权平均评分和投票数；name.basics.tsv包含姓名、出生/逝世年份、主要职业、代表作品；title.episode.tsv包含剧集与所属剧集的季号、集号映射。此外还有title.basics.tsv、title.akas.tsv等文件，共7个TSV文件覆盖影视作品全维度元数据。

理解7个数据文件的字段结构

每个TSV文件都有明确的字段定义。例如title.basics.tsv包含tconst、titleType、primaryTitle、originalTitle、isAdult、startYear、endYear、runtimeMinutes、genres等字段。官方页面提供了完整的schema说明，并附有Python读取代码示例，方便用户快速解析数据。数据集每日更新，确保用户获取最新信息。

非商业用途的授权边界与更新机制

该数据集仅限非商业用途免费使用，商业使用需联系IMDb购买授权。与MovieLens、TMDB API、豆瓣公开爬虫数据集等同类资源相比，IMDb官方数据集具有权威性、每日更新和明确授权边界等优势。用户应遵守非商业授权条款，不得将数据用于商业产品。访问官方页面可获取最新数据源地址和详细文档。