【工具】Movielens数据集详细介绍

MovieLens数据集

MovieLens数据集包含多个用户对多部电影的评级数据，也包括电影元数据信息和用户属性信息。

下载地址

http://files.grouplens.org/datasets/movielens/

介绍

下面以ml-100k数据集为例进行介绍：

最主要用的是u.data(评分) | u.item(电影信息) | u.user(用户信息)

下载之后各文件具体含义如下：
各文件含义如下：

• allbut.pl --生成训练和测试集的脚本，其中除了n个用户评分之外，所有训练和测试集都在训练数据中。

• mku.sh --从u.data数据集生成的所有用户的shell脚本。

• u.data – 由943个用户对1682个电影的10000条评分组成。每个用户至少评分20部电影。用户和电影从1号开始连续编号。数据是随机排序的。

• 标签分隔列表：user id | item id | rating | timestamp

• u.genre --类型列表。

• u.info --u.data数据集中的用户数，电影数和评分数。

• u.item --电影信息。

• 标签分隔列表：movie id | movie title | release date | video release date | IMDb URL | unknown | Action | Adventure | Animation | Children’s | Comedy | Crime | Documentary | Drama | Fantasy | Film-Noir | Horror | Musical | Mystery | Romance | Sci-Fi | Thriller | War | Western

• 最后19个字段是流派，1表示电影是该类型，0表示不是；电影可以同时使用几种流派。

• 电影id和u.data数据集中的id是一致的。

• u.occupation --职业列表。

• u.user --用户的人口统计信息。

• 标签分隔列表：user id | age | gender | occupation | zip code

• 用户id和u.data数据集中的id是一致的。

• u1.base --数据集u1.base / u1.test到u5.base / u5.test都是将u.data数据集按照80% / 20%的比例分割的训练集和测试集。

• u1.test u1,…,u5有互不相交的测试集；如果是5次交叉验证，那么你可以在每个训练和测试集中重复实验，平均结果。

• u2.base 这些数据集可以通过mku.sh从u.data生成

• u2.test

• u3.base

• u3.test

• u4.base

• u4.test

• u5.base

• u5.test

• ua.base --数据集ua.base, ua.test, ub.base, ub.test将u.data数据集分为训练集和测试集，每个用户在测试集中具有10个评分。

• ua.test ua.test和ub.test是不相交的。这些数据集可以通过mku.sh从u.data生成

ub.base

ub.test