Ta-Feng Dataset

github2024-02-15 更新2024-05-31 收录

下载链接：

https://github.com/maxxiaoqinwang/Next-Basket-Analysis-Ta-Feng-Dataset

下载链接

链接失效反馈

官方服务：

资源简介：

Ta-Feng是一个由ACM RecSys发布的杂货购物数据集，涵盖了从食品、办公用品到家具的产品。该数据集收集了用户在2000年11月至2001年2月期间4个月的交易数据，总交易次数为817741次，涉及32266名用户和23812种产品。

The Ta-Feng dataset, released by ACM RecSys, is a grocery shopping dataset encompassing products ranging from food items, office supplies to furniture. This dataset aggregates transaction data over a four-month period from November 2000 to February 2001, totaling 817,741 transactions, involving 32,266 users and 23,812 products.

创建时间：

2017-10-23

原始信息汇总

Next-Basket-Analysis-Ta-Feng-Dataset

数据集概述

类型: 杂货购物数据集
发布机构: ACM RecSys
数据范围: 包含食品、办公用品及家具等产品
时间范围: 2000年11月至2001年2月
数据量:
- 交易总数: 817,741
- 用户数: 32,266
- 产品数: 23,812

搜集汇总

数据集介绍

构建方式

Ta-Feng数据集由ACM RecSys发布，专注于记录用户在杂货购物中的交易行为。该数据集通过收集2000年11月至2001年2月间四个月的交易数据，涵盖了食品、办公用品及家具等多类商品。数据集共包含817,741笔交易，涉及32,266名用户和23,812种商品，构建了一个全面且细致的用户购物行为数据库。

使用方法

Ta-Feng数据集适用于多种数据分析和机器学习任务，特别是在用户行为预测和市场篮子分析领域。研究者可以通过分析用户的购买模式，预测未来的购买行为，或识别潜在的交叉销售机会。数据集的结构化格式便于直接导入到数据分析工具中，进行进一步的处理和模型训练。

背景与挑战

背景概述

Ta-Feng数据集是由ACM RecSys发布的一个杂货购物数据集，涵盖了从食品、办公用品到家具等多种商品类别。该数据集收集了2000年11月至2001年2月期间四个月的用户交易数据，共包含817,741笔交易，涉及32,266名用户和23,812种产品。Ta-Feng数据集的发布为推荐系统领域的研究提供了宝贵的资源，特别是在购物篮分析（Next-Basket Analysis）方面，帮助研究者深入理解用户购物行为和偏好。

当前挑战

Ta-Feng数据集在解决购物篮分析问题时面临多重挑战。首先，数据的高维性和稀疏性使得模型难以捕捉用户与商品之间的复杂关系。其次，时间跨度的限制（仅四个月）可能导致模型在长期用户行为预测上的表现受限。此外，数据集中商品类别的多样性增加了特征工程的难度，要求模型具备更强的泛化能力。在构建过程中，如何有效处理大规模交易数据、确保数据质量以及平衡不同类别商品的代表性，都是研究人员需要克服的关键挑战。

常用场景

经典使用场景

Ta-Feng数据集在推荐系统领域中被广泛用于下一篮子分析（Next-Basket Analysis），通过分析用户的购物行为，预测其未来的购买需求。该数据集涵盖了食品、办公用品和家具等多种商品类别，为研究者提供了丰富的用户交易数据，帮助构建个性化的推荐模型。

解决学术问题

Ta-Feng数据集解决了推荐系统中用户行为预测的难题，特别是在多类别商品场景下的个性化推荐问题。通过分析用户的长期购物模式，研究者能够开发出更精准的算法，提升推荐系统的性能。该数据集为学术研究提供了真实且大规模的交易数据，推动了推荐系统领域的技术进步。

实际应用

在实际应用中，Ta-Feng数据集被广泛应用于零售行业的智能推荐系统。通过分析用户的购物历史，零售商能够优化商品布局、制定促销策略，并提高客户满意度。此外，该数据集还可用于库存管理和需求预测，帮助企业降低运营成本并提升效率。

数据集最近研究