vngclinh/goodreads-concats

Goodreads Unified Reviews数据集是一个综合性的书籍评论数据集，包含14,489,799条来自Goodreads平台的评论。该数据集整合了评论数据、书籍元数据（如标题、描述、作者、出版年份、页数）和流派标签（包括主要流派、第二流派和第三流派）。每条评论包含唯一ID、匿名用户ID、书籍ID、1-5星评分、完整评论文本、有用投票数、评论数、添加日期等信息。数据来源于vngclinh/goodreads-reviews的评论和UCSD Book Graph的书籍元数据，旨在支持书籍推荐、自然语言处理（NLP）和数据分析任务，尤其适用于基于评论内容和流派的查询和分析。--- 语言： - 英语 标签： - 图书 - 书评 - Goodreads - 推荐 - 自然语言处理（NLP） 数据规模： - 100万 < 样本量 < 1000万 --- # Goodreads 统一书评数据集 合并后的数据集包含**14,489,799条书评**，并附带图书元数据与体裁标签。 ## 数据来源 - 书评数据集来源：[vngclinh/goodreads-reviews](https://huggingface.co/datasets/vngclinh/goodreads-reviews) - 图书元数据来源：[加州大学圣地亚哥分校图书图谱（UCSD Book Graph）](https://mengtingwan.github.io/data/goodreads.html) ## 数据结构 | 列名 | 数据类型 | 描述 | |--------|------|-------------| | review_id | 字符串 | 唯一评论标识符 | | user_id | 字符串 | 匿名化用户哈希值 | | book_id | 字符串 | Goodreads平台图书ID | | rating | 整数 | 1至5星评分 | | review_text | 字符串 | 完整评论文本 | | n_votes | 整数 | 有用投票数量 | | n_comments | 整数 | 评论条数 | | date_added | 字符串 | 添加至书架的日期 | | title | 字符串 | 图书标题 | | description | 字符串 | 图书简介（字符上限为1000） | | author_id | 字符串 | 主要作者ID | | publication_year | 字符串 | 图书出版年份 | | num_pages | 字符串 | 图书总页数 | | primary_genre | 字符串 | 来自书架标签的核心体裁 | | genre_2 | 字符串 | 第二体裁 | | genre_3 | 字符串 | 第三体裁 | | primary_genre_count | 整数 | 核心体裁对应的书架标签数量 | ## 体裁分布 本数据集按`primary_genre`（主体裁）进行分区，以支持高效的体裁级查询。