推荐系统领域的数据集
来源:互联网 发布:idea java 代码混淆 编辑:程序博客网 时间:2024/05/18 03:23
推荐领域数据集
http://www.grouplens.org/taxonomy/term/14
Movielens Dataset:
其中Movielens-100k和movielens-1M有用户对电影的打分,电影的title、genre、IMDB链接、用户的gender、age、occupation、zip code。movielens-10M中还有用户对电影使用的tag信息。
HetRec2011 Dataset:包括了movielens-2k、delicious-2k和last.fm-2k。
在movielens-2k中,电影的信息更加丰富了,有IMDB和Rotten Tomatoes的信息,具体还有电影对应的genre、director、actor、发行的国家、拍摄的地点、tag信息,当然还有打分信息。
在delicious-2k中,是用户对bookmark(书签)的tag信息。具体包括用户之间的relation、书签的title和url、用户对书签使用的tag。这个数据集适用于tag的推荐。
在last.fm-2k中,是用户收听音乐的信息。具体包括双向的朋友关系、艺术家、用户收听艺术家信息(有weight)、用户对艺术家的tag信息、艺术家tag信息。
Wikilens Dataset
BookCrossing Dataset: 用户对书的打分信息,用户城市、用户年龄、书在Amazon的信息及url。
Jest Joker Dataset
Eachmovie Dataset
(下图摘自论文Recommender System Survey)
Flixster Dataset: 用户对电影的打分以及用户的friendship信息。 http://www.sfu.ca/~sja25/datasets/
Epinions Dataset: 包括用户trust关系、用户对item的打分信息、评论信息。 http://www.trustlet.org/wiki/Epinions_datasets
Yelp Dataset: https://www.yelp.com/academic_dataset
Bibsonomy Dataset: 与delicious类似。http://www.kde.cs.uni-kassel.de/bibsonomy/dumps
Foursquare Dataset:Location-based 推荐。http://www.public.asu.edu/~hgao16/dataset.html
Epinions and Ciao Dataset:http://www.public.asu.edu/~jtang20/datasetcode/truststudy.htm
另外还有一些社交网络分析的数据集
http://snap.stanford.edu/na09/resources.html
http://snap.stanford.edu/data/
- 推荐系统领域的数据集
- 推荐领域数据集
- 各个领域著名的推荐系统
- 推荐系统(二) —— 利用用户行为数据 —— 基于领域的算法
- 推荐系统领域大神Yehuda Koren的paper推荐
- 推荐系统数据集
- 推荐系统研究相关的数据集
- 【推荐系统】推荐系统常用数据集
- HIN+推荐系统领域--人
- 推荐系统领域的相关会议和期刊
- 【推荐】公共领域高质量公开数据集列表
- 推荐系统常用数据集
- 推荐系统常用数据集
- 推荐系统常用数据集
- 推荐领域的重要算法
- 基于领域的社会化推荐
- 推荐系统的数据挖掘方法
- 推荐算法:基于领域的协同滤波:数据稀疏和冷启动
- Redis同步(主从复制)
- Linux 性能监控
- cmd 命令执行android avd 创建,安装apk
- Extjs4.2里Grid显示日期类型数据
- 嵌入式Linux开发环境的搭建以及嵌入式入门的一些想法
- 推荐系统领域的数据集
- (Google面试题)有四个线程1、2、3、4。线程1的功能就是输出1,线程2的功能就是输出2,以此类推.........现在有四个文件ABCD。初始都为空。
- 常见面试之机器学习算法思想简单梳理
- explicit
- 编译BusyBox建立Linux根文件系统
- 在windowsXP系统中使用Eclipse开发Android动态库so(一):第一个测试so
- 贪心算法
- 博科300 光纤交换机的配置
- Java中将word生成缩略图