数据挖掘学习-准备篇-数据集

1.Recsys2013 Yelp

https://www.kaggle.com/c/yelp-recsys-2013/data

https://www.yelp.com/dataset_challenge/dataset

训练集= yelp_training_set.zip
测试组= yelp_test_set.zip
样品提交格式= sample_submission.csv

此数据集的博客

http://blog.csdn.net/weichaohnu/article/details/9017023

http://blog.csdn.net/tianjinbaodier/article/details/8985715

2.各种kaggle数据集

https://www.kaggle.com/datasets

3.桑坦德银行产品推荐

https://www.kaggle.com/c/santander-product-recommendation/data

4.各种数据集

https://www.analyticsvidhya.com/blog/2016/10/17-ultimate-data-science-projects-to-boost-your-knowledge-and-skills

5.雅虎音乐数据集

yahoo music dataset，kdd_cup_dataset

6.Flixster Dataset: 用户对电影的打分以及用户的friendship信息。 http://www.sfu.ca/~sja25/datasets/

7.

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/

8.

主页

• GroupLens:http://www.grouplens.orgGroupLens项目官方主页
• John Riedl:http://www-users.cs.umn.edu/~riedl/Grouplens领导者
• Greg Linden—推荐系统领域最有影响力的博客；
• 谷文栋:http://www.guwendong.comResysChina 发起人;
• Xlvector:http://xlvector.net博士；

第三方开源推荐

1.MyMediaLite 是一个轻量级的多用途的推荐系统的算法库。

http://mymedialite.net/download/index.html

2.EasyRec http://www.easyrec.org/ 

会议

目前，推荐系统的国际会议或期刊主要是：2009年起ACM推出的推荐系统年会（ACM Conference on Recommender Systems，简称RecSys）及上下文感知推荐系统专题研讨会（Workshop on Context-Aware Recommender Systems，简称CARS）、ACM EC、KDD、SIGIR、UMAP、IUI、CHI、CIKM、ECAI、ECIR、IEEE TKDE、 IEEE Intelligent System、ACM TKDD、Communication of the ACM等。

整理转自:http://aoyouzi.iteye.com/blog/1845235