HIN-Datasets-for-Recommendation-and-Network-Embedding

github2024-05-04 更新2024-05-31 收录

下载链接：

https://github.com/librahu/HIN-Datasets-for-Recommendation-and-Network-Embedding

下载链接

链接失效反馈

官方服务：

资源简介：

包含多个数据集，用于推荐系统和网络嵌入研究，涵盖电影、书籍、商品等多个领域的用户和物品关系数据。

This collection includes multiple datasets designed for research in recommendation systems and network embedding. It encompasses user-item relationship data across various domains such as movies, books, and merchandise.

创建时间：

2018-11-12

原始信息汇总

MovieLens 数据集

实体统计：
- 用户数：943
- 年龄类别数：8
- 职业类别数：21
- 电影数：1,682
- 电影类别数：18
关系统计：
- 用户-电影关系数：100,000
- 用户-用户（KNN）关系数：47,150
- 用户-年龄关系数：943
- 用户-职业关系数：943
- 电影-电影（KNN）关系数：82,798
- 电影-电影类别关系数：2,861

Douban Movie 数据集

实体统计：
- 用户数：13,367
- 电影数：12,677
- 小组数：2,753
- 演员数：6,311
- 导演数：2,449
- 类型数：38
关系统计：
- 用户-电影关系数：1,068,278
- 用户-小组关系数：570,047
- 用户-用户关系数：4,085
- 电影-演员关系数：33,587
- 电影-导演关系数：11,276
- 电影-类型关系数：27,668

Douban Book 数据集

实体统计：
- 用户数：13,024
- 书籍数：22,347
- 小组数：2,936
- 地点数：38
- 作者数：10,805
- 出版社数：1,815
- 年份数：64
关系统计：
- 用户-书籍关系数：792,062
- 用户-小组关系数：1,189,271
- 用户-用户关系数：169,150
- 用户-地点关系数：10,592
- 书籍-作者关系数：21,907
- 书籍-出版社关系数：21,773
- 书籍-年份关系数：21,192

Amazon 数据集

实体统计：
- 用户数：6,170
- 商品数：2,753
- 浏览数：3,857
- 类别数：22
- 品牌数：334
关系统计：
- 用户-商品关系数：195,791
- 商品-浏览关系数：5,694
- 商品-类别关系数：5,508
- 商品-品牌关系数：2,753

LastFM 数据集

实体统计：
- 用户数：1,892
- 艺术家数：17,632
- 标签数：11,945
关系统计：
- 用户-艺术家关系数：92,834
- 用户-用户（原始）关系数：25,434
- 用户-用户（KNN）关系数：18,802
- 艺术家-艺术家（KNN）关系数：153,399
- 艺术家-标签关系数：184,941

Yelp 数据集

实体统计：
- 用户数：16,239
- 商家数：14,284
- 赞关系数：11
- 类别数：511
- 城市数：47
关系统计：
- 用户-商家关系数：198,397
- 用户-用户关系数：158,590
- 用户-赞关系数：76,875
- 商家-城市关系数：14,267
- 商家-类别关系数：40,009

Yelp-2 数据集

实体统计：
- 用户数：1,286
- 商家数：2,614
- 服务数：2
- 星级数：9
- 预订数：2
- 类别数：3
关系统计：
- 用户-商家关系数：30,838
- 商家-服务关系数：2,614
- 商家-星级关系数：2,614
- 商家-预订关系数：2,614
- 商家-类别关系数：2,614

DBLP 数据集

实体统计：
- 作者数：14,475
- 论文数：14,376
- 作者标签数：4
- 会议数：20
- 类型数：8,920
关系统计：
- 作者-标签关系数：4,057
- 论文-作者关系数：41,794
- 论文-会议关系数：14,376
- 论文-类型关系数：114,624

Aminer 数据集

实体统计：
- 作者数：164,472
- 论文数：127,623
- 论文标签数：10
- 会议数：101
- 引用数：147,251
关系统计：
- 论文-标签关系数：127,623
- 论文-作者关系数：355,072
- 论文-会议关系数：127,632
- 论文-引用关系数：392,519

搜集汇总

数据集介绍

构建方式

HIN-Datasets-for-Recommendation-and-Network-Embedding数据集的构建基于多个领域的公开数据源，包括MovieLens、Douban、Amazon、LastFM、Yelp、DBLP和Aminer等。这些数据集涵盖了用户、物品、评分、时间戳、标签等多种实体和关系。通过整合这些数据源，数据集构建者详细记录了每个实体的统计信息及其相互之间的关系，如用户与电影的评分关系、用户与用户的相似度关系等。特别地，数据集在构建过程中采用了KNN算法，利用Pearson相关系数来衡量实体间的相似性，从而生成用户与用户、电影与电影等实体间的相似关系数据。

特点

该数据集的显著特点在于其多源异构数据的整合能力，涵盖了电影、书籍、音乐、商业评论等多个领域，提供了丰富的实体和关系信息。每个子数据集都详细记录了实体的数量及其相互关系的统计信息，如用户与电影的评分关系、用户与用户的相似度关系等。此外，数据集通过KNN算法和Pearson相关系数来衡量实体间的相似性，增强了数据集在推荐系统和网络嵌入领域的应用潜力。

使用方法

HIN-Datasets-for-Recommendation-and-Network-Embedding数据集适用于多种机器学习任务，特别是在推荐系统和网络嵌入领域。用户可以通过加载数据集中的实体和关系数据，进行用户行为分析、物品推荐、社交网络分析等任务。具体使用时，可以利用数据集中的用户-物品评分信息进行协同过滤推荐，或利用用户-用户、物品-物品的相似度关系进行网络嵌入学习。此外，数据集还提供了丰富的元数据信息，如用户年龄、职业、电影类型等，可用于构建更加复杂的推荐模型和网络分析。

背景与挑战

背景概述

HIN-Datasets-for-Recommendation-and-Network-Embedding数据集由多个子数据集组成，涵盖了电影、书籍、音乐、餐饮等多个领域的用户行为数据。这些数据集主要用于推荐系统和网络嵌入的研究，旨在通过分析用户与物品之间的关系，提升个性化推荐的准确性和效率。数据集的创建时间未明确提及，但其来源包括GroupLens、Amazon、Yelp等知名机构，这些机构在数据科学领域具有较高的权威性。核心研究问题围绕如何利用异构信息网络（HIN）进行有效的推荐和网络嵌入，这一研究对提升用户体验和商业价值具有重要意义。

当前挑战

该数据集面临的挑战主要包括数据异构性和稀疏性。首先，不同领域的数据结构和属性差异较大，如何有效整合和利用这些异构数据是一个重要挑战。其次，用户与物品之间的交互数据往往稀疏，尤其是在冷启动情况下，如何填补这些数据空白并进行准确推荐是一大难题。此外，数据集的构建过程中还需考虑隐私保护和数据安全问题，确保用户信息不被滥用。这些挑战不仅影响数据集的实际应用效果，也对相关算法的设计和优化提出了更高要求。

常用场景

经典使用场景

HIN-Datasets-for-Recommendation-and-Network-Embedding数据集在推荐系统和网络嵌入领域具有广泛的应用。其经典使用场景之一是基于异构信息网络（HIN）的推荐系统构建。通过整合用户、物品、标签等多源数据，该数据集支持研究者开发高效的推荐算法，以预测用户对未评分物品的偏好。此外，该数据集还可用于网络嵌入任务，通过学习节点和边的低维表示，捕捉网络中的复杂关系，从而提升推荐系统的准确性和鲁棒性。

衍生相关工作

HIN-Datasets-for-Recommendation-and-Network-Embedding数据集的发布催生了一系列相关研究工作。首先，基于该数据集的推荐算法研究取得了显著进展，如基于图神经网络的推荐模型和基于元路径的推荐方法。其次，网络嵌入技术的研究也得到了推动，研究者提出了多种高效的嵌入算法，如基于随机游走的嵌入方法和基于深度学习的嵌入模型。此外，该数据集还激发了关于异构信息网络分析的广泛研究，包括网络结构分析、社区发现和影响力传播等方向。

数据集最近研究