原创投稿 行业报告 AI展会 数据标注
投稿发布
您的当前位置:首页 > 下载中心 > 商业数据 > 正文

Retailrocket推荐系统数据集

发布:可思数据 时间:2020-05-30
数据类型:文本语料 热度

文件类型:.zip              文件大小:942 MB

授权方式:公共开源     发布时间:2020-05-30

数据来源:Retailrocket             数据语言:英文

数据介绍:

Retailrocket推荐系统数据集

电子商务数据:网络事件,项目属性(带有文本),类别树

数据集由三个文件组成:一个具有行为数据的文件(events.csv),一个具有项目属性的文件(itemproperties.сsv )和一个描述类别树的文件(categorytree.сsv)。数据是从真实世界的电子商务网站收集的。它是原始数据,即没有任何内容转换,但是,由于机密问题,所有值都被哈希化。发布的目的是激发具有隐式反馈的推荐系统领域的研究。

内容

行为数据,例如点击,添加到购物车,交易等事件,代表了在4.5个月内收集的互动。访客可以进行三种类型的事件,即“查看”,“添加购物车”或“交易”。总共有2 756 101个事件,包括2 664 312次浏览,69 332个添加到购物车以及1 407 580个唯一访问者产生了22 457笔交易。对于大约90%的事件,可以在“ item_properties.csv”文件中找到相应的属性。

例如:

  • “ 1439694000000,1,view,100,”表示visitorId = 1,在1439694000000(Unix时间戳)上,单击了id = 100的项目
  • “ 1439694000000,2,transaction,1000,234”表示visitorId = 2在1439694000000(Unix时间戳记)以id = 234的交易购买了id = 1000的商品

具有项目属性(item_properties.csv)的文件包括20 275 902行,即不同的属性,描述了417 053个唯一项目。由于文件大小的限制,文件分为2个文件。由于项目的属性可以随时间变化(例如,价格随时间而变化),因此文件中的每一行都有相应的时间戳。换句话说,该文件由文件中每个星期的串联快照以及行为数据组成。但是,如果项目的属性在观察期间内保持不变,则文件中将仅存在一个快照值。
例如,我们为单个项目和三个每周快照提供三个属性,如下所示:

timestamp,itemid,property,value
1439694000000,1,100,1000
1439695000000,1,100,1000
1439696000000,1,100,1000
1439697000000,1,100,1000
1439694000000,1,200,1000
1439695000000,1,200,1100
1439696000000,1,200,1200
1439697000000,1,200,1300
1439694000000,1,300,1000
1439695000000,1,300,1000
1439696000000,1,300,1100
1439697000000,1,300,1100

快照合并后,它看起来像:

1439694000000,1,100,1000
1439694000000,1,200,1000
1439695000000,1,200,1100
1439696000000,1,200,1200
1439697000000,1,200,1300
1439694000000,1,300,1000
1439696000000,1,300,1100

由于property = 100随时间是恒定的,因此对于所有快照,property = 200具有不同的值,因此property = 300已更改一次。

项目属性文件包含时间戳列,因为它们都与时间相关,因为属性可能随时间而变化,例如价格,类别等。最初,此文件由事件文件中每周的快照组成,并且包含2亿多行。我们合并了连续的常量属性值,因此将其从快照形式更改为更改日志形式。因此,常数值在文件中只会出现一次。此操作将行数大大减少了10倍。

除“ categoryid”和“ available”属性外,“ item_properties.csv”文件中的所有值均进行了哈希处理。“ categoryid”属性的值包含项目类别标识符。“ available”属性的值包含该项目的可用性,即1表示该项目可用,否则为0。所有数字值的开头均标有“ n”字符,并在小数点后具有3位精度,例如,“ 5”将变为“ n5.000”,“-3.67584”将变为“ n-3.675”。文本值中的所有单词均经过规范化(词干过程:https://en.wikipedia.org/wiki/Stemming)并进行哈希处理,数字的处理如上所述,例如,文本“ Hello world 2017!”。将变为“ 24214 44214 n2017.000”

类别树文件有1669行。文件中的每一行都指定一个子类别ID和相应的父类别。
例如:

  • “ 100,200”行表示categoryid = 1的父级为categoryid = 200
  • “ 300”行表示类别ID在树中没有父项
下载地址:

特别声明:

¤ 此数据集库仅供研究和教育用途,不得用于任何商业用途。
¤ 如果您在任何出版物或报告中使用该数据库,则必须添加引用本站来源。
¤ 版权归作者及所在组织所有。
¤ 如用于商业用途,请联系版权所有人。
¤ 本站数据来源于网络如有侵权请联系我们。
¤ 本站数据压缩包统一解压密码:www.sykv.com
人工智能权威社区
人工智能交流群扫码邀请

相关文章:

    无相关信息

相关推荐:

网友评论:

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

数据标注服务

Copyright©2005-2020 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭