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 |
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
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。
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