推荐系统领域常见公共数据集整理分享

Posted 2021-05-01 深度学习与NLP

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了推荐系统领域常见公共数据集整理分享相关的知识，希望对你有一定的参考价值。

本资源整理了推荐系统（RS）相关的高质量的公共数据集。它们是从Stack Overflow，学术论文，推荐站点和学术实验中收集和整理的。这里介绍的大多数数据集都是免费的，开放式的。

数据集下载链接及数据集描述。

Book

· Book Crossing（http://www2.informatik.uni-freiburg.de/~cziegler/BX/）:: BookCrossing（BX）数据集是Cai-Nicolas在花费了4周时间，（2004年8月/ 2004年9月）中从Book-Crossing社区收集的。

Dating

· Dating Agency（http://www.occamslab.com/petricek/data/）::该数据集包含2006年4月4日导出的135,359位LibimSeTi用户对168,791个配置文件的17,359,346个匿名评分。

推荐系统领域常见公共数据集整理分享交易担保深度学习与NLP的书店深度书店 Mini Program

电子商务

· Amazon（http://jmcauley.ucsd.edu/data/amazon/） ::该数据集包含来自亚马逊的产品评论和元数据，其中包括1996年5月至2014年7月的1.428亿条评论

· Retailrocket推荐系统数据集（https://www.kaggle.com/retailrocket/ecommerce-dataset） ::该数据集由三个文件组成：一个具有行为数据的文件（events.csv），一个具有项目属性的文件（item_properties.сsv）和一个描述类别树的文件（category_tree.сsv）。数据是从真实世界的电子商务网站收集的。

音乐

· 亚马逊音乐数据集（http://jmcauley.ucsd.edu/data/amazon/） ::此数字音乐数据集包含来自亚马逊的评论和元数据

· Yahoo Music（https://webscope.sandbox.yahoo.com/catalog.php?datatype=r）::此数据集是Yahoo!音乐的快照。音乐社区对各种音乐艺术家的偏爱。

· LastFM（Implicit）（https://grouplens.org/datasets/hetrec-2011/） ::此数据集包含来自Last.fm在线音乐系统的2K用户集的社交网络，标签和音乐艺术家收听信息。

· Million Song数据集（https://labrosa.ee.columbia.edu/millionsong/）:: The Million Song数据集是免费提供的音频功能和元数据的集合，用于一百万条当代流行音乐曲目。

电影

· MovieLens （https://grouplens.org/datasets/movielens/）:: GroupLens Research从其电影网站收集并提供了评级数据集

· Yahoo电影（https://webscope.sandbox.yahoo.com/catalog.php?datatype=r）::该数据集包含从两个不同来源收集的歌曲的评级。第一个来源包括用户在与Yahoo音乐服务正常互动期间提供的评分。

· CiaoDVD（https://drive.google.com/file/d/1w1FuVSQC9nqxcK5xj0Aw5Oxc1qV7d09A/view?usp=sharing）:: CiaoDVD是2013年12月从dvd.ciao.co.uk网站上的整个DVD类别中抓取的数据集。

· FilmTrust（https://drive.google.com/file/d/1ohQ9oo8aaR7aWlpe56hXx66x-bwXxB56/view?usp=sharing）:: FilmTrust是2011年6月从整个FilmTrust网站上抓取的一个小数据集

· Netflix（http://academictorrents.com/details/9b13183dc4d60676b773c9e2cd6de5e5542cee9a）::这是Netflix竞赛中使用的官方数据集。

游戏类

· Steam Video Games（http://www.ieor.berkeley.edu/~goldberg/jester-data/）:: 该数据集是用户行为的列表，其中包括：用户ID，游戏标题，行为名称，值。包括的行为是“购买”和“玩耍”。该值表示行为的执行程度-在“购买”的情况下，该值始终为1；在“玩游戏”的情况下，该值表示用户玩游戏的小时数。

Jokes

· Jester（http://www.ieor.berkeley.edu/~goldberg/jester-data/）::这个笑话数据集包含来自73,496位用户的100个笑话的410万个连续评分（-10.00至+10.00）

餐饮

· Chicago Entree （http://archive.ics.uci.edu/ml/datasets/Entree+Chicago+Recommendation+Data）::该数据集包含用户与Entree Chicago餐厅推荐系统互动的记录。

日本动漫

· 动漫推荐数据库（https://www.kaggle.com/CooperUnion/anime-recommendations-database） ::该数据集包含有关来自12,294动漫的73,516用户的用户偏好数据的信息。每个用户都可以将动漫添加到他们的完整列表中并给它一个评分，并且该数据集是这些评分的汇总。

还有一些其他优质数据集：

这里有更多相关数据集:

· GroupLens Datasets：https://grouplens.org/datasets

· LibRec Datasets：https://www.librec.net/datasets.html

· Yahoo Research：https://webscope.sandbox.yahoo.com/catalog.php?datatype=r

· Datasets for Machine Learning：https://gist.github.com/entaroadun/1653794

· Stanford Large Network Dataset Collection：https://snap.stanford.edu/data/