历史最全-16个推荐系统开放公共数据集整理分享

    （本文由深度学习与NLP编译）

    本文主要整理了一些与推荐系统相关的高质量的数据集。整理自Stack Overflow、一些文章、推荐站点和学术实验。其中，大多数数据集都是免费、开放的，但有些不是，需要获得许可或引用作者的工作才能使用。此外，其中也包含一些预处理数据，可用于学术实验。链接和数据集描述。

 

Book

· 1. Book Crossing

    BookCrossing（BX）数据集由Cai-Nicolas花了的4周（2004年8月/ 9月）从Book-Crossing社区中爬取得到的。

· 下载链接：http://www2.informatik.uni-freiburg.de/~cziegler/BX/

 

电子商务

· 2. Amazon

    该数据集包括自1996年5月至2014年7月，来自亚马逊上的1.428亿产品的评论和metadata。

· 下载链接：http://jmcauley.ucsd.edu/data/amazon/

 

· 3. Retailrocket推荐系统数据集

    该数据集由三个文件组成：一个行为数据集（events.csv），一个属性数据集（item_properties.сsv）和一个类目树数据集（category_tree.сsv）。该数据来自现实世界的电子商务网站。

· 下载链接：https://www.kaggle.com/retailrocket/ecommerce-dataset

 

音乐

· 4. Amazon Music

    该数字音乐数据集包含来自亚马逊的评论和元数据

· 下载链接：http://jmcauley.ucsd.edu/data/amazon/

 

· 5. Yahoo Music

    该数据集是一个快照，收集了音乐社区对各种音乐艺术家的偏好。

· 下载链接：https://webscope.sandbox.yahoo.com/catalog.php?datatype=r

 

· 6. LastFM（Implicit）

    该数据集收集了Last.fm网站上2千名用户的社交网络、tagging和music artist listening信息。

· 下载链接：https://grouplens.org/datasets/hetrec-2011/

 

· 7. Milion Song Dataset

    Million Song数据集是一个免费的数据集，提供了一百万条当代流行音乐曲目相关的的audio features和metadata。

· 下载链接：https://labrosa.ee.columbia.edu/millionsong/

 

电影

· 8. MovieLens

    GroupLens Research已经从他们的电影网站收集整理的rating数据集。

· 下载链接：https://grouplens.org/datasets/movielens/

 

· 9. Yahoo Movies

    该数据集包含从两个不同来源收集的歌曲的rating数据集。第一个来源是用户在与Yahoo上使用音乐服务是产生的rating数据。

· 下载链接：https://webscope.sandbox.yahoo.com/catalog.php?datatype=r

 

· 10. CiaoDVD

    CiaoDVD是2013年12月从dvd.ciao.co.uk网站上抓取的DVD类别数据集。

· 下载链接：https://webscope.sandbox.yahoo.com/catalog.php?datatype=r

 

·11. FilmTrust

    FilmTrust是2011年6月从整个FilmTrust网站上抓取的一个小型数据集。

· 下载链接：https://www.librec.net/datasets.html

 

· 12. Netflix

    这是Netflix奖竞赛中使用的官方数据集。

· 下载链接：http://academictorrents.com/details/9b13183dc4d60676b773c9e2cd6de5e5542cee9a

 

游戏

· 13. Steam Video Games

    这是一个用户行数据集，包含：user-id，game-title，behavior-name，value。包括“purchase”和“play”数据集。购买了，puchase的值为1，而“play”的值表示用户播放音乐的时长。

· 下载链接：https://www.kaggle.com/tamber/steam-video-games/data

 

Jokes

· 14. Jester

    该笑话数据集包含来自73,496个用户，关于100个笑话的410万连续rating数据（-10.00到+10.00）

· 下载链接：http://www.ieor.berkeley.edu/~goldberg/jester-data/

 

餐饮

·15. Chicago Entree

    该数据集包含用户与Entree Chicago餐厅推荐系统交互的记录数据。

· 下载链接：http://archive.ics.uci.edu/ml/datasets/Entree+Chicago+Recommendation+Data

 

动漫

·16. 动漫推荐数据库

    该数据集包含来自12,294个动漫的73,516个用户的用户偏好数据。每个用户都可以将动画添加到已完成的列表中并为其评分，该数据集把这些评级整理起来。

· 下载链接：https://www.kaggle.com/CooperUnion/anime-recommendations-database

 

其他数据集

· GroupLens数据集

· 下载链接：https://grouplens.org/datasets/

 

· LibRec数据集

· 下载链接：https://www.librec.net/datasets.html

 

· Yahoo Research数据集

· 下载链接：https://webscope.sandbox.yahoo.com/catalog.php?datatype=r

 

· 斯坦福大型网络数据集汇编

· 下载链接：https://snap.stanford.edu/data/

往期精彩内容推荐

每周论文分享-0723

基于深度学习的文本分类6大算法-原理、结构、论文、源码打包分享

一文告诉你Adam、AdamW、Amsgrad区别和联系，助你实现Super-convergence的终极目标

COLING 2018-最新论文最全分类-整理分享

谷歌、微软、Facebook等2018最新面试题分享

纯干货11 强化学习（Reinforcement Learning）教材推荐

优化策略5 Label Smoothing Regularization_LSR原理分析

纯干货-8 21套深度学习相关的视频教程分享

模型汇总17 基于Depthwise Separable Convolutions的Seq2Seq模型_SliceNet原理解析

模型汇总16 各类Seq2Seq模型对比及《Attention Is All You Need》中技术详解

模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述