这是一个公开推荐系统(RS)数据源的仓库。
所有这些推荐数据集都可以转换为RecBole中定义的原子文件,RecBole是一个统一、全面且高效的推荐库。
转换为原子文件后,您可以轻松使用RecBole来测试不同推荐模型在这些数据集上的性能。有关RecBole的更多信息,请参阅RecBole。
为了使用RecBole,您需要将这些原始数据集转换为RecBole定义的一种数据格式——原子文件。
我们提供两种方法将这些数据集转换为原子文件:
下载原始数据集并使用我们在此仓库中提供的转换工具进行处理。请参阅转换工具。
直接下载已处理的原子文件。百度网盘(密码:e272),Google Drive。
Criteo: 该数据集收集自Criteo,包含了Criteo在几天内的部分流量数据。
Avazu: 该数据集用于Avazu点击率预测竞赛。
iPinYou: 该数据集由iPinYou提供,包含了iPinYou全球实时竞价(RTB)竞价算法竞赛三个赛季的所有训练数据集和排行榜测试数据集。
AliEC: Ali_Display_Ad_Click是一个关于淘宝网站展示广告点击率预测的数据集。该数据集由阿里巴巴公司提供。
Foursquare: 该数据集包含了纽约和东京约10个月的签到数据。 每次签到都与其时间戳、GPS坐标和语义意义相关联。
Gowalla: 该数据集来自一个基于位置的社交网站,用户通过签到分享他们的位置。包含了这些用户在2009年2月至2010年10月期间的总计6,442,890次签到记录。
songfacts.com
和last.fm
网站。项目是歌曲,通过从songfacts.com
提取的文本描述和last.fm
的标签进行描述。Freesound.org
。项目是声音,通过声音创作者在上传时创建的文本描述和标签进行描述。Book-Crossing: 这个数据集是由Cai-Nicolas Ziegler在2004年8月/9月的4周内从Book-Crossing社区爬取的,得到了Humankind Systems首席技术官Ron Hornbaker的许可。 它包含278,858名用户(匿名但有人口统计信息)对271,379本书提供的1,149,780条评分(显式/隐式)。
GoodReads: 这个数据集包含来自Goodreads图书评论网站的评论,以及描述这些项目的各种属性。重要的是,数据集有多个用户交互级别,从加入书架、评分到阅读。
KDD2010: 这个数据集在KDD Cup 2010教育数据挖掘挑战赛中发布,包含了学生在系统上提交练习的情况。
EndoMondo: 这是一个来自EndoMondo用户的锻炼日志集合。 数据包括多种连续传感器数据,如心率记录、速度、GPS,以及运动类型、性别和天气条件。
钓鱼网站: 这个数据集包含11,055个网站的30种特征,以及它们是否为钓鱼网站的标签。 网站特征包括12个基于地址栏的特征、6个基于异常的特征、5个基于HTML和JavaScript的特征,以及7个基于域名的特征。
大众点评: 这个数据集包含从著名的中国在线评论网站大众点评网抓取的用户评论以及详细的商家元数据信息,包括510,071名用户对209,132家商家的3,605,300条评论。
食品: 这些数据集包含来自Food.com(前身为GeniusKitchen)的菜谱详情和评论。数据包括烹饪菜谱和评论文本。
序号 | 数据集 | 用户数 | 物品数 | 交互数 | 稀疏度 | 交互类型 | 时间戳 | 用户上下文 | 物品上下文 | 交互上下文 |
---|---|---|---|---|---|---|---|---|---|---|
1 | MovieLens | - | - | - | - | 评分 | √ | √ | √ | |
2 | Anime | 73,515 | 11,200 | 7,813,737 | 99.05% | 评分 <br> [-1, 1-10] | √ | |||
3 | Epinions | 116,260 | 41,269 | 188,478 | 99.99% | 评分 <br> [1-5] | √ | √ | ||
4 | Yelp<br>(5个版本) | - | - | - | - | 评分 <br> [1-5] | √ | √ | √ | √ |
5 | Netflix | 480,189 | 17,770 | 100,480,507 | 98.82% | 评分 <br> [1-5] | √ | |||
6 | Book-Crossing | 105,284 | 340,557 | 1,149,780 | 99.99% | 评分 <br> [0-10] | √ | √ | ||
7 | Jester | 73,421 | 101 | 4,136,360 | 44.22% | 评分 <br> [-10, 10] | ||||
8 | 豆瓣 | 738,701 | 28 | 2,125,056 | 89.73% | 评分 <br> [0,5] | √ | √ | ||
9 | Yahoo Music | 1,948,882 | 98,211 | 11,557,943 | 99.99% | 评分 <br> [0, 100] | √ | |||
10 | KDD2010 | - | - | - | - | 评分 | √ | |||
11 | Amazon<br>(2014 & 2018) | - | - | - | - | 评分<br/> [0,5] | √ | √ | ||
12 | 55,187 | 9,911 | 1,445,622 | 99.74% | - | |||||
13 | Gowalla | 107,092 | 1,280,969 | 6,442,892 | 99.99% | 签到 | √ | √ | ||
14 | Last.FM | 1,892 | 17,632 | 92,834 | 99.72% | 点击 | √ | |||
15 | DIGINETICA | 204,789 | 184,047 | 993,483 | 99.99% | 点击 | √ | √ | ||
16 | Steam | 2,567,538 | 32,135 | 7,793,069 | 99.99% | 购买 | √ | √ | √ | |
17 | Ta Feng | 32,266 | 23,812 | 817,741 | 99.89% | 点击 | √ | √ | √ | √ |
18 | Foursquare | - | - | - | - | 签到 | √ | √ | ||
19 | Tmall | 963,923 | 2,353,207 | 44,528,127 | 99.99% | 点击/购买 | √ | √ | ||
20 | YOOCHOOSE | 9,249,729 | 52,739 | 34,154,697 | 99.99% | 点击/购买 | √ | √ | ||
21 | Retailrocket | 1,407,580 | 247,085 | 2,756,101 | 99.99% | 浏览/加入购物车/交易 | √ | |||
22 | LFM-1b | 120,322 | 3,123,496 | 1,088,161,692 | 99.71% | 点击 | √ | √ | √ | √ |
23 | MIND | - | - | - | - | 点击 | √ | |||
24 | BeerAdvocate | 33,388 | 66,055 | 1,586,614 | 99.9281% | 评分<br/> [0,5] | √ | √ | ||
25 | Behance | 63,497 | 178,788 | 1,000,000 | 99.9912% | 点赞 | √ | √ | ||
26 | 大众点评 | 542,706 | 243,247 | 4,422,473 | 99.9967% | 评分<br/> [0,5] | √ | √ | √ | |
27 | EndoMondo | 1,104 | 253,020 | 253,020 | 99.9094% | 运动日志 | √ | √ | √ | |
28 | 食品 | 226,570 | 231,637 | 1,132,367 | 99.9978% | 评分<br/> [0,5] | √ | √ | ||
29 | GoodReads | 876,145 | 2,360,650 | 228,648,342 | 99.9889% | 评分<br/> [0,5] | √ | √ | ||
30 | KGRec | - | - | - | - | 点击 | √ | |||
31 | ModCloth | 47,958 | 1,378 | 82,790 | 99.8747% | 评分<br/> [0,5] | √ | √ | √ | |
32 | RateBeer | 29,265 | 110,369 | 2,924,163 | 99.9095% | 总体评分<br/> [0,20] | √ | √ | √ | |
33 | RentTheRunway | 105,571 | 5,850 | 192,544 | 99.9688% | 评分<br/> [0,10] | √ | √ | √ | √ |
34 | Twitch | 15,524,309 | 6,161,666 | 474,676,929 | 99.9995% | 点击 | √ | |||
35 | 亚马逊_M2 | 3,606,349 | 1,410,675 | 15,306,183 | - | 点击 | √ | √ | ||
36 | Music4All-Onion | 119,140 | 109,269 | 252,984,396 | - | 点击 | √ | √ | √ |
序号 | 数据集 | 用户数 | 物品数 | 交互数 | 稀疏度 | 交互类型 | 时间戳 | 用户上下文 | 物品上下文 | 交互上下文 |
---|---|---|---|---|---|---|---|---|---|---|
1 | Criteo | - | - | 45,850,617 | - | 点击 | √ | |||
2 | Avazu | - | - | 40,428,967 | - | 点击 <br> [0, 1] | √ | √ | ||
3 | iPinYou | 19,731,660 | 163 | 24,637,657 | 99.23% | 浏览/点击 | √ | √ | √ | |
4 | 钓鱼网站 | - | - | 11,055 | - | √ | ||||
5 | Adult | - | - | 32,561 | - | 收入>=50k <br> [0, 1] | √ | |||
6 | 阿里巴巴-iFashion | 3,569,112 | 4,463,302 | 191,394,393 | 99.9988% | 点击 | √ | |||
7 | AliEC | 491,647 | 240,130 | 1,366,056 | 99.9988% | 点击 | √ | √ | √ |
这些知识感知推荐数据集基于KB4Rec,将推荐系统中的物品与Freebase中的实体关联起来。 请注意,Amazon-book数据集是2014年发布的版本。
原始数据集信息
序号 | 数据集 | 物品数 | 关联物品数 | 用户数 | 交互数 |
---|---|---|---|---|---|
1 | MovieLens | 27,278 | 25,503 | 138,493 | 20,000,263 |
2 | Amazon-book | 2,370,605 | 108,515 | 8,026,324 | 22,507,155 |
3 | LFM-1b (音轨) | 31,634,450 | 1,254,923 | 120,322 | 319,951,294 |
经过5-core过滤后(并在LFM-1b中过滤掉收听次数少于10次的音轨)
序号 | 数据集 | 物品数 | 关联物品数 | 用户数 | 交互数 |
---|---|---|---|---|---|
1 | MovieLens | 18,345 | 18,057 | 138,493 | 19,984,024 |
2 | Amazon-book | 367,982 | 34,476 | 603,668 | 8,898,041 |
3 | LFM-1b (音轨) | 615,823 | 337,349 | 79,133 | 15,765,756 |
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理 的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处 理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号