这个项目能做什么

INCIDB 是一个多来源的护肤品与化妆品配方数据库，可将原始化妆品成分标签文本转换为标准化、关系型的数据集。它将来自 Open Beauty Facts（ODbL）的产品、品牌和成分数据与欧盟委员会 CosIng 清单中的成分补充信息相结合，通过精确的规范 INCI 名称进行连接。 该数据集包含七张表：products（19,764 行）、brands（6,412）、ingredients（45,327 个不同的规范 INCI 名称）、product_ingredients（367,785 条有序成分关联，保留标签位置）、ingredient_name_map（77,367 行，将原始标签词元映射到规范名称，并附解析方法和置信度）、fragrance_allergens（274 条欧盟附件 III 条目）以及 regulatory_status（637 条欧盟附件 II–VI 条目）。数据以竖线分隔的 UTF-8 CSV 和 Apache Parquet 格式提供。 一个关键特性是 ingredient_name_map，它记录了每个原始标签词元如何通过明确的方法解析为规范 INCI 名称（精确匹配、清洗、拼写错误映射、百分比剥离、括号剥离、同义词映射、斜杠变体处理、拆分以及未解析标记）。这使得整个标准化流程完全可审计，而不是依赖黑盒解析。 补充覆盖率以两种方式报告：按不同名称计（12.2% 匹配 CosIng）和按标签出现次数计（85.1% 匹配），反映了成分命名长尾分布的特性。该数据集包含欧盟香料过敏原标记（120 个名称被标记，47.2% 的产品至少含有一种）、欧盟附件 II–VI 监管状态、142 种成分的致痘性评级（转录自 Fulton 1989）以及 275 种成分的真菌性痤疮触发标记（基于规则的启发式方法）。 提供免费样本（200 款产品、1,123 种成分），完整数据集以一次性 79 美元的价格出售。产品数据仍采用 ODbL 许可。使用场景包括成分扫描应用、配方与推荐模型、零售市场数据补充以及监管研究。可在 incidb.dataengineered.io 访问带有交互式模式与汇总统计的实时门户。