trec-product-search/product-recommendation-2025

TREC 2025产品推荐数据集，用于产品搜索和推荐任务。该数据集包括初始语料库和训练数据，来源于遵循Apache-2.0许可的Amazon ESCI和M2数据集。TREC 2025 Product Recommendation Data for product search and recommendation tasks. This dataset includes the initial corpus and training data, sourced from the Amazon ESCI and M2 datasets under the Apache-2.0 license.

搜集汇总

数据集介绍

构建方式

该数据集源自TREC 2025产品搜索与推荐任务中的推荐子任务，其构建基础为Amazon ESCI与M2数据集，两者均采用Apache 2.0许可证。数据集的初始版本包含语料库与训练数据，位于initial目录下，旨在为产品推荐研究提供标准化评测资源。随着任务时间线的推进，数据集可能进一步更新与扩充，以确保其时效性与覆盖度。

特点

作为TREC 2025官方推荐任务的核心数据资源，该数据集具有高权威性与领域针对性。它融合了Amazon平台丰富的产品搜索与购物行为信息，涵盖了多样化的商品类别与用户交互模式，适合用于训练和评估基于深度学习的推荐模型。数据采用Apache 2.0许可，便于学术与工业界的广泛使用与再分发。

使用方法

用户可直接从HuggingFace数据集页面加载并解析initial目录下的语料与训练文件。建议将数据划分为训练集与验证集，用于构建或微调产品推荐模型。数据集格式与Amazon ESCI及M2保持一致，便于复用现有预处理流程。研究者可参照TREC 2025推荐任务官方指南进行实验设计与结果提交，以参与国际评测。

背景与挑战

背景概述

在电子商务蓬勃发展的时代，精准的产品推荐已成为提升用户体验与商业转化的核心驱动力。TREC（文本检索会议）作为信息检索领域的顶级学术会议，其2025年产品搜索与推荐任务应运而生，旨在推动推荐系统的前沿研究。该数据集由TREC产品搜索与推荐工作组于2025年创建，来源于亚马逊ESCI与M2数据集，聚焦于如何利用用户行为与商品属性构建高效推荐模型。其核心研究问题涵盖多模态信息融合、用户意图理解以及推荐结果的公平性评估，对电子商务、信息检索及人机交互领域产生了深远影响，为学术界与工业界提供了标准化基准。

当前挑战

该数据集所解决的领域挑战主要在于电子商务推荐中多源异构数据的整合与冷启动问题。传统推荐系统常受限于稀疏交互数据与用户偏好的动态变化，而本数据集要求模型在有限历史记录下精准预测长尾商品或新用户的偏好。构建过程中，挑战则体现在从亚马逊海量商品描述、评论及用户行为日志中提取一致且无偏的特征，同时需处理数据隐私与版权合规问题。此外，跨语言产品标题的语义对齐、类别不平衡的缓解以及评估指标的鲁棒性设计，均为确保数据集实用性与公平性的核心难点。

常用场景

经典使用场景

在信息检索与电子商务交叉领域，TREC 2025产品推荐数据集为研究者提供了大规模、真实世界的用户交互与商品元数据，其经典使用场景聚焦于序列化推荐系统的构建与评估。该数据集源自亚马逊ESCI和M2基准，蕴含丰富的用户购买历史、商品属性及多模态特征，使得基于深度学习的协同过滤与内容感知推荐模型得以在贴近商业实际的复杂环境中验证其性能。研究者常利用该数据集进行候选商品生成、排序优化以及冷启动问题的探索，从而推动推荐算法从理论走向可复现的工业级评测。

衍生相关工作

基于该数据集，学术界已衍生出多项具有影响力的工作，包括面向长尾商品发现的对比学习框架、融合多模态信息的视觉-文本联合推荐模型，以及利用图神经网络捕获用户-商品高阶交互关系的算法。此外，研究者还将其应用于探索推荐系统的公平性与偏差校正问题，通过分析历史数据中的流行度偏见来设计去偏训练策略。这些衍生工作不仅深化了对推荐机制的理论认知，也为后续TREC评测任务提供了基线模型与创新方向，持续推动着产品搜索与推荐领域的前沿进展。

数据集最近研究

最新研究方向

在电子商务与信息检索交叉领域，TREC 2025产品推荐数据集为序列化推荐与搜索融合任务提供了前沿基准。该数据集基于Amazon ESCI与M2数据体系构建，聚焦于多模态用户行为建模与跨域推荐场景，其发布恰逢大型语言模型驱动推荐系统的研究热潮。当前学界正利用该资源探索基于预训练模型的零样本推荐能力，并针对长尾商品与冷启动问题开发对比学习框架，同时引入因果推断方法以消除推荐偏差。这一数据集的推出不仅推动了产品搜索与推荐任务的标准化评估，更催化了生成式推荐、交互式搜索等新兴方向的发展，对构建下一代智能电子商务平台具有里程碑意义。