推荐领域数据集

转自：http://blog.csdn.net/dajunxing/article/details/51357132，感谢分享！

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/

以上转自：http://www.cnblogs.com/startover/p/3261476.html

 

A Collection of Recommendation Data Sets  & data sets crawled and used in our research work

Douban、Epinions (665K)、Epinions (510K)、Epinions (Extended)、Flixster、FilmTrust、Jester、MovieLens 1M、MovieLens 10M

http://www.librec.NET/datasets.html