Recommender System Datasets

本仓库包含一系列公开且兼容的数据集，记录了包含新近和流行真实世界数据集的其他主要仓库，以及针对各种推荐任务的示例代码参考。大多数数据集供学术界非商业用途，如大学研究人员和科学家使用。数据集免费，但可能要求引用。

This repository encompasses a collection of publicly available and compatible datasets, documenting other major repositories that include recent and popular real-world datasets, along with example code references for various recommendation tasks. The majority of these datasets are intended for non-commercial academic use, such as by university researchers and scientists. While the datasets are provided free of charge, citation may be required.

原始信息汇总

数据集概述

本数据集仓库包含了一系列公开且兼容的推荐系统相关数据集，涵盖了多个主要的数据集仓库，这些仓库提供了最新的、流行的真实世界数据集，以及相应的推荐任务示例代码。大多数数据集供学术界非商业使用，如大学研究人员、教职员工和其他科学家。数据集免费提供，但部分数据集可能要求引用。

主要数据集仓库

• Arizona State University: Social Computing Data Repository
  • 包含多个网络数据集。
• UC Irvine Machine Learning Repository
• Stanford Large Network Dataset Collection
• Yahoo Research Webscope Datasets
  • 包含音乐评级、电影评级、流行URL和标签、点击日志数据集、名人面部图像和22K视频。
• Kaggle Datasets
• GroupLens Datasets
• Recommnder Systems Datasets

按类别划分的数据集链接

E-commerce

• Amazon
  • 包含评论（评级、文本、有用投票）、产品元数据（描述、类别信息、价格、品牌和图像特征）和链接（也查看/也购买图表）。
• Amazon - Ratings (Beauty Products)
• Toy Products on Amazon
• Slashdot
• Taobao
• Microsoft Web Data
• Retailrocket recommender system dataset
• Wikipedia
• Airbnb Collection

Social

• Yelp
• Facebook
• Twitter
• Pinterest

Stock

• Spanish Stocks Historical Data from 2000 to 2019
• Stock Exchange

Job

• Job Recommendation
• Job Recommendation Analysis

Item reviews

• Item Learning
• eCommerce Item Dataset
• Epinions

Book

• Good Reads
• Book Crossing

Map

• Open OSM

Dating

• Dating Agency

Personality

• Personality 2018
• DEAPdataset
• MyPersonalityDataset

Music

• Million Song Dataset
• LastFM (Implicit)

Movies

• Netflix
• MovieLens
• Flixster
• IMDB

Trust

• CiaoDVD & Epinions

Anime

• Anime Recommendations Database
• Anime Data

Food

• Resturant and Constumer
• Chicago Entree

Games

• Steam Video Games
• Steam Reviews Dataset

Jokes

• Jester

Other

• Citation Network
• YAGO
• Complete Collection of Kaggle Datasets

贡献者

• 姓名: Jamell Dacon
• 邮箱: [e-mail]

搜集汇总

数据集介绍

构建方式

该数据集通过整合多个公开且兼容的推荐系统数据集构建而成，涵盖了电子商务、社交网络、股票、工作推荐等多个领域。数据集主要来源于知名学术机构和在线平台，如亚利桑那州立大学、加州大学欧文分校、斯坦福大学等。每个数据集均附有详细的元数据和使用许可信息，确保用户能够合法合规地使用。此外，数据集还提供了相关领域的示例代码，便于研究人员快速上手。

特点

该数据集的特点在于其多样性和广泛性，涵盖了从电子商务到社交网络、从电影到音乐等多个领域的推荐系统数据。数据集不仅包含用户评分、评论等传统推荐系统所需的数据，还提供了产品元数据、社交网络关系、用户行为日志等丰富信息。这些数据为推荐系统的研究提供了多维度的支持，能够满足不同研究需求。此外，数据集还特别标注了每个数据集的引用要求，确保学术研究的规范性。

使用方法

使用该数据集时，用户首先需要访问GitHub页面，查看每个数据集的详细描述和使用许可。数据集通常以CSV、JSON或SQL格式提供，用户可以根据需求选择合适的数据格式进行下载。对于每个数据集，建议用户仔细阅读其附带的README文件，了解数据的具体结构和使用限制。此外，数据集还提供了示例代码，用户可以参考这些代码进行数据处理和模型构建。在使用过程中，若涉及学术发表，用户需按照数据集的要求进行引用，以确保研究的合规性。

背景与挑战

背景概述

Recommender System Datasets 是一个专注于推荐系统领域的数据集集合，由密歇根州立大学的 Jamell Dacon 等人创建并维护。该数据集旨在为学术界提供丰富的公开数据集资源，涵盖电子商务、社交媒体、电影、音乐等多个领域。这些数据集主要用于推荐系统的研究，帮助研究人员开发和验证推荐算法。该数据集的创建时间可追溯至近年，其影响力在推荐系统领域逐渐扩大，成为许多学术研究和实验的重要数据来源。通过整合多个知名数据源，如亚马逊、Yelp、Netflix 等，该数据集为推荐系统的跨领域研究提供了坚实的基础。

当前挑战

推荐系统数据集面临的主要挑战包括数据稀疏性、冷启动问题以及数据隐私保护。数据稀疏性源于用户与物品交互数据的不足，导致推荐算法难以准确捕捉用户偏好。冷启动问题则体现在新用户或新物品缺乏历史数据，难以生成有效的推荐。此外，数据隐私保护是构建数据集时的重要考量，尤其是在涉及用户行为数据的场景中，如何在数据开放与隐私保护之间取得平衡成为一大难题。构建过程中，数据采集、清洗和标注的复杂性也增加了数据集创建的难度，尤其是在跨领域数据整合时，数据格式和标准的统一性成为关键挑战。

常用场景

经典使用场景

在推荐系统领域，该数据集广泛应用于个性化推荐算法的开发与验证。研究人员利用这些数据集中的用户行为数据、评分记录和产品信息，构建和优化协同过滤、基于内容的推荐以及混合推荐模型。这些数据集为学术界提供了一个标准化的实验平台，使得不同算法的性能可以在相同的基准下进行比较和评估。

衍生相关工作

该数据集衍生了许多经典的推荐系统研究工作。例如，基于亚马逊数据集的协同过滤算法研究、基于Yelp数据集的社交推荐系统开发，以及基于Netflix数据集的矩阵分解算法优化。这些研究不仅推动了推荐系统领域的技术进步，还为其他相关领域（如自然语言处理和信息检索）提供了重要的数据和方法支持。

数据集最近研究

最新研究方向

在推荐系统领域，数据集的最新研究方向主要集中在跨领域推荐系统的开发与优化。随着用户行为数据的多样化和复杂化，研究者们正致力于整合来自不同领域的数据，如电子商务、社交媒体和娱乐等，以提高推荐的准确性和用户满意度。此外，隐私保护和数据安全也成为研究热点，特别是在处理包含敏感信息的用户数据时。这些研究不仅推动了推荐算法的发展，也为用户提供了更加个性化和安全的推荐体验。