smartcat/Amazon_Luxury_Beauty_2018

---
dataset_info:
- config_name: metadata
features:
- name: asin
dtype: string
- name: title
dtype: string
- name: description
dtype: string
- name: brand
dtype: string
- name: main_cat
dtype: string
- name: category
sequence: 'null'
- name: also_buy
sequence: string
- name: also_view
sequence: string
- name: imageURL
sequence: string
- name: imageURLHighRes
sequence: string
splits:
- name: train
num_bytes: 24898313
num_examples: 12299
download_size: 9490355
dataset_size: 24898313
- config_name: reviews
features:
- name: reviewerID
dtype: string
- name: reviewerName
dtype: string
- name: overall
sequence: int64
- name: reviewTime
sequence: timestamp[us]
- name: asin
sequence: string
- name: reviewText
sequence: string
- name: summary
sequence: string
splits:
- name: train
num_bytes: 24663121
num_examples: 6107
download_size: 11955594
dataset_size: 24663121
configs:
- config_name: metadata
data_files:
- split: train
path: metadata/train-*
- config_name: reviews
data_files:
- split: train
path: reviews/train-*
---

# Amazon Luxury Beauty Dataset

## Directory Structure

- **metadata**: Contains product information.
- **reviews**: Contains user reviews about the products.
- **filtered**:
- **e5-base-v2_embeddings.jsonl**: Contains "asin" and "embeddings" created with [e5-base-v2](https://huggingface.co/intfloat/e5-base-v2).
- **metadata.jsonl**: Contains "asin" and "text", where text is created from the title, description, brand, main category, and category.
- **reviews.jsonl**: Contains "reviewerID", "reviewTime", and "asin". Reviews are filtered to include only perfect 5-star ratings with a minimum of 5 ratings.

## Usage

### Download metadata
```python
metadata = load_dataset(path="smartcat/Amazon_Luxury_Beauty_2018", name="metadata", split="train")
```

### Download reviews
```python
metadata = load_dataset(path="smartcat/Amazon_Luxury_Beauty_2018", name="reviews", split="train")
```

### Download filtered files
```
filtered_reviews = load_dataset(
path="smartcat/Amazon_Luxury_Beauty_2018",
data_files="filtered/reviews.jsonl",
split="train",
)
```
**📎 Note:** You can set any file or list of files from the "filtered" directory as the "data_files" argument.

数据集信息：
- 配置名称：元数据（metadata）
特征字段：
- 字段名：asin（亚马逊标准识别码，Amazon Standard Identification Number），数据类型：字符串（string）
- 字段名：title，数据类型：字符串（string）
- 字段名：description，数据类型：字符串（string）
- 字段名：brand，数据类型：字符串（string）
- 字段名：main_cat，数据类型：字符串（string）
- 字段名：category，序列类型，元素为null
- 字段名：also_buy，字符串序列
- 字段名：also_view，字符串序列
- 字段名：imageURL，图片链接序列
- 字段名：imageURLHighRes，高清图片链接序列
拆分集：
- 名称：训练集（train），字节数：24898313，样本数：12299
下载大小：9490355，数据集总大小：24898313
- 配置名称：评论数据（reviews）
特征字段：
- 字段名：reviewerID，数据类型：字符串（string）
- 字段名：reviewerName，数据类型：字符串（string）
- 字段名：overall，64位整型（int64）序列
- 字段名：reviewTime，微秒级时间戳（timestamp[us]）序列
- 字段名：asin，字符串序列
- 字段名：reviewText，评论正文序列
- 字段名：summary，评论摘要序列
拆分集：
- 名称：训练集（train），字节数：24663121，样本数：6107
下载大小：11955594，数据集总大小：24663121
配置项：
- 配置名称：元数据（metadata），数据文件：
- 拆分集：训练集（train），路径：metadata/train-*
- 配置名称：评论数据（reviews），数据文件：
- 拆分集：训练集（train），路径：reviews/train-*
---
# 亚马逊奢侈品美妆数据集（Amazon Luxury Beauty Dataset）

## 目录结构

- **元数据（metadata）**：存储商品相关信息。
- **评论数据（reviews）**：存储用户对商品的评论内容。
- **filtered（过滤后数据）**：
- **e5-base-v2_embeddings.jsonl**：存储asin与使用[e5-base-v2](https://huggingface.co/intfloat/e5-base-v2)生成的嵌入向量（embeddings）。
- **metadata.jsonl**：存储asin与拼接后的文本，该文本由商品标题、描述、品牌、主分类及分类信息拼接而成。
- **reviews.jsonl**：存储reviewerID、reviewTime与asin。评论已经过过滤，仅保留5星满分评分且至少有5条评分的评论。

## 使用方法

### 下载元数据
python
metadata = load_dataset(path="smartcat/Amazon_Luxury_Beauty_2018", name="metadata", split="train")

### 下载评论数据
python
metadata = load_dataset(path="smartcat/Amazon_Luxury_Beauty_2018", name="reviews", split="train")

### 下载过滤后数据文件

filtered_reviews = load_dataset(
path="smartcat/Amazon_Luxury_Beauty_2018",
data_files="filtered/reviews.jsonl",
split="train",
)

**📎 注意：** 您可将"filtered"目录下的任意文件或文件列表作为`data_files`参数传入。