reczoo/AmazonBooks_m1

# AmazonBooks_m1

+ **Data format:**
user_id item1 item2 ...

+ **Download:** https://huggingface.co/datasets/reczoo/AmazonBooks_m1/tree/main
+ **Repository:** https://github.com/reczoo/Datasets

+ **Used by papers:**
- Xiangnan He, Kuan Deng, Xiang Wang, Yan Li, Yongdong Zhang, Meng Wang. [LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation](https://arxiv.org/abs/2002.02126). In SIGIR 2020.
- Kelong Mao, Jieming Zhu, Jinpeng Wang, Quanyu Dai, Zhenhua Dong, Xi Xiao, Xiuqiang He. [SimpleX: A Simple and Strong Baseline for Collaborative Filtering](https://arxiv.org/abs/2109.12613). In CIKM 2021.
- Kelong Mao, Jieming Zhu, Xi Xiao, Biao Lu, Zhaowei Wang, Xiuqiang He. [UltraGCN: Ultra Simplification of Graph Convolutional Networks for Recommendation](https://arxiv.org/abs/2110.15114). In CIKM 2021.

+ **Check the md5sum for data integrity:**
```bash
$ md5sum *.txt
5b1125ef3bf4118a7988f1fd8ce52ef9 item_list.txt
30f8ccfea18d25007ba9fb9aba4e174d test.txt
c916ecac04ca72300a016228258b41ed train.txt
132f8a5d6d35d5fdde1e0396488be235 user_list.txt
```

# AmazonBooks_m1

+ **数据格式：**
user_id item1 item2 ...

+ **下载地址：** https://huggingface.co/datasets/reczoo/AmazonBooks_m1/tree/main
+ **开源仓库：** https://github.com/reczoo/Datasets

+ **已被以下论文采用：**
- 何向南（Xiangnan He）、邓宽（Kuan Deng）、王翔（Xiang Wang）、李岩（Yan Li）、张永东（Yongdong Zhang）、王梦（Meng Wang）. 《LightGCN：简化并赋能用于推荐的图卷积网络（Graph Convolution Network）》[论文链接](https://arxiv.org/abs/2002.02126). 发表于SIGIR 2020.
- 毛克龙（Kelong Mao）、朱杰明（Jieming Zhu）、王金鹏（Jinpeng Wang）、戴全宇（Quanyu Dai）、董振华（Zhenhua Dong）、肖曦（Xi Xiao）、何修强（Xiuqiang He）. 《SimpleX：面向协同过滤（Collaborative Filtering）的简洁高效基准模型》[论文链接](https://arxiv.org/abs/2109.12613). 发表于CIKM 2021.
- 毛克龙（Kelong Mao）、朱杰明（Jieming Zhu）、肖曦（Xi Xiao）、卢彪（Biao Lu）、王兆伟（Zhaowei Wang）、何修强（Xiuqiang He）. 《UltraGCN：面向推荐的图卷积网络极致简化》[论文链接](https://arxiv.org/abs/2110.15114). 发表于CIKM 2021.

+ **验证数据完整性的MD5校验和：**
bash
$ md5sum *.txt
5b1125ef3bf4118a7988f1fd8ce52ef9 item_list.txt
30f8ccfea18d25007ba9fb9aba4e174d test.txt
c916ecac04ca72300a016228258b41ed train.txt
132f8a5d6d35d5fdde1e0396488be235 user_list.txt

原始信息汇总

AmazonBooks_m1

数据格式

• 数据格式:
  user_id item1 item2 ...

使用情况

• 使用于论文:
  • Xiangnan He, Kuan Deng, Xiang Wang, Yan Li, Yongdong Zhang, Meng Wang. LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation. In SIGIR 2020.
  • Kelong Mao, Jieming Zhu, Jinpeng Wang, Quanyu Dai, Zhenhua Dong, Xi Xiao, Xiuqiang He. SimpleX: A Simple and Strong Baseline for Collaborative Filtering. In CIKM 2021.
  • Kelong Mao, Jieming Zhu, Xi Xiao, Biao Lu, Zhaowei Wang, Xiuqiang He. UltraGCN: Ultra Simplification of Graph Convolutional Networks for Recommendation. In CIKM 2021.

数据完整性检查

• MD5校验和: bash $ md5sum *.txt 5b1125ef3bf4118a7988f1fd8ce52ef9 item_list.txt 30f8ccfea18d25007ba9fb9aba4e174d test.txt c916ecac04ca72300a016228258b41ed train.txt 132f8a5d6d35d5fdde1e0396488be235 user_list.txt

搜集汇总

数据集介绍

构建方式

在推荐系统研究领域，高质量的数据集是推动算法创新的基石。AmazonBooks_m1数据集源自亚马逊图书评论数据，经过精心预处理后形成。其构建方式遵循隐式反馈范式，将用户与图书的交互行为转化为序列化表示：每条数据记录由用户标识符后接其交互过的商品标识符列表构成，格式为“user_id item1 item2 ...”。数据集被划分为训练集（train.txt）与测试集（test.txt），并额外提供用户列表（user_list.txt）与商品列表（item_list.txt）以支持模型训练与评估。为确保数据完整性，所有文件均提供MD5校验码供用户验证。

特点

该数据集具备鲜明的实用特性。首先，其以简洁的文本格式存储，每行对应一个用户的完整交互序列，易于解析与加载。其次，数据集被广泛应用于多项顶级会议论文中，如LightGCN、SimpleX与UltraGCN等代表性方法均以其为基准，彰显其作为协同过滤任务标准评测平台的权威性。此外，数据来源于真实的亚马逊平台，涵盖丰富的用户行为模式，能够有效反映现实推荐场景中的长尾分布与稀疏性问题，为算法鲁棒性测试提供坚实支撑。

使用方法

使用该数据集时，研究者需从Hugging Face仓库下载四个文本文件。加载阶段，可逐行读取train.txt与test.txt，按空格分割获取用户ID及其交互序列，构建用户-商品交互矩阵。用户与商品的原始标识符可通过user_list.txt与item_list.txt映射为连续索引，便于深度学习模型处理。在模型训练中，通常采用留一法（leave-one-out）评估策略，以测试集最后一个交互作为正样本，随机采样负样本进行排序任务。推荐系统代码可参考官方GitHub仓库中的实现示例，快速复现基准实验。

背景与挑战

背景概述

在推荐系统研究领域，协同过滤算法作为核心范式，长期依赖于用户与物品的交互数据进行个性化建模。AmazonBooks_m1数据集由RecZoo团队整理发布，旨在为学术界的推荐算法研究提供标准化的评估基准。该数据集源自亚马逊平台的图书交互记录，采用经典的隐式反馈格式，即用户-物品交互序列，有效反映了真实场景下的用户偏好行为。自发布以来，该数据集已被多项顶级会议论文采用，包括LightGCN、SimpleX和UltraGCN等代表性工作，这些研究在图卷积网络与协同过滤的简化与强化方面取得了突破性进展，从而推动了推荐系统领域向更高效、更简洁的模型架构演进。数据集通过提供训练集、测试集及物品与用户列表，为模型训练与评估提供了完整支撑，成为验证新型推荐算法有效性的重要平台。

当前挑战

AmazonBooks_m1数据集所面临的挑战主要体现在两个方面。首先，在领域问题层面，该数据集聚焦于隐式反馈下的协同过滤任务，其核心挑战在于如何从稀疏且带有噪声的用户交互序列中准确挖掘潜在偏好，克服数据稀疏性与冷启动问题，以实现高效且鲁棒的用户-物品关系建模。其次，在构建过程中，数据集的整理需要处理海量原始交互日志，确保数据完整性及隐私合规性，同时通过MD5校验码保障文件传输一致性。此外，数据格式的标准化与跨论文实验的可复现性也是关键难点，要求数据集提供清晰的划分与详尽的元数据，以支持不同模型在统一基准上的公平比较，从而推动推荐系统研究的可重复性与进步。

常用场景

经典使用场景

在推荐系统领域，AmazonBooks_m1数据集以其简洁而高效的交互数据格式，成为协同过滤与图神经网络推荐模型评测的经典基准。该数据集源自亚马逊图书平台，记录了用户与图书之间的隐式反馈行为，其用户-物品交互序列被精心划分为训练集与测试集，为评估模型在稀疏交互场景下的泛化能力提供了标准化的实验平台。研究者常利用该数据集验证新提出的推荐算法在Top-K推荐任务中的表现，通过对比命中率、归一化折损累计增益等指标，衡量模型对用户潜在兴趣的捕捉精度。作为公开的学术基准，它促进了推荐系统领域从传统矩阵分解向图卷积网络等深度范式演进的实证研究。

实际应用

在实际应用中，AmazonBooks_m1数据集所代表的用户-图书交互模式，直接映射了在线图书商城与数字阅读平台的个性化推荐需求。基于该数据集训练的推荐模型能够高效挖掘用户历史行为中的隐式偏好，为平台生成精准的图书推荐列表，显著提升用户点击率与购买转化率。其交互序列格式天然适配流式推荐系统，支持实时增量更新用户画像，适用于大型电商平台的冷启动与长尾商品曝光优化场景。此外，该数据集的图结构特性使其能够被部署于社交化阅读推荐、跨域图书推荐等复杂业务中，通过用户-图书二部图学习高阶语义关联，增强推荐结果的多样性与新颖性。

衍生相关工作

围绕AmazonBooks_m1数据集，学术界涌现出一系列具有里程碑意义的推荐模型工作。He等人提出的LightGCN通过简化图卷积操作，仅保留邻居嵌入聚合机制，在保持高精度的同时大幅降低计算复杂度，成为图推荐领域的经典基线。Mao等人开发的SimpleX以极简的余弦相似度与对比学习框架，证明了简单架构足以媲美复杂图模型，引发了对推荐系统设计哲学的重塑。同一团队提出的UltraGCN进一步将图卷积退化为用户-物品间直接连接的权重学习，以极致简化重新定义了推荐效率的边界。这些工作共同构建了从图神经网络到极简模型的演进脉络，深刻影响了后续基于对比学习、自监督信号等范式在推荐领域的研究方向。