用于测试电影推荐算法的数据集（MovieLens）

      自从Netflix Prize奖项设立以来，美国高校明尼苏达大学（UMN）的Grouplens团队公开了一系列用于测试推荐算法的数据集。其中，就包括几个大小不同的电影评论数据集，分别有10万，100万，1000万条电影评分数据。

网站数据集页面

                                                                    页面地址

    网站除了用于测试电影推荐算法的数据集以外，还有其他数据集.

WikiLens是一个广义的协作推荐系统，允许其社区定义项目类型（例如啤酒）和类别（例如微酿啤酒，苍白啤酒，烈性酒），然后评价和获得项目推荐。

BookCrossing（BX）数据集由Cai-Nicolas Ziegler在Book-Crossing社区进行为期4周的爬虫（2004年8月/ 9月）收集，得到了Humankind Systems首席技术官Ron Hornbaker的许可。它包含278,858位用户（匿名但有人口统计信息），提供1,149,780个评分（显性/隐性），约271,379本书。

Jester 来自加州大学伯克利分校的Ken Goldberg也发布了Jester Joke推荐系统的数据集。该数据集包含来自73,496个用户的100个笑话的410万连续评级（-10.00到+10.00）。

EachMovie :HP / Compaq Research（前身为DEC Research）运行了EveryMovie电影推荐器。当EveryMovie关闭时，数据集可供公众用于研究。MovieLens最初基于此数据集。它包含了2,811,983个评级，共有72,916个用于1628种不同电影的评级，并且已被用于众多CF出版物中。截至2004年10月，惠普退出了EveryMovie数据集。它已不再可供下载。

HetRec2011 :第二届推荐系统信息异构和融合国际研讨会（HetRec 2011，http：//ir.ii.uam.es/hetrec2011 ）发布了Delicious，Last.fm Web 2.0，MovieLens，IMDb和烂番茄的数据集。这些数据集包含来自约2,000个用户的集合的社交网络，标记和资源消耗（网页书签和音乐艺术家收听）信息。

Serendipity 2018 :基于真实用户反馈调查推荐系统中的意外发现”的数据集。

MovieLens数据集打包下载 提取码：rixe

NOTE：其他数据集按需要下载即可；使用数据之前请看网站的README。

《Python数据挖掘入门与实践》

参考：《Python数据挖掘入门与实践》，https://grouplens.org/datasets/