movielens数据集(movielens Dataset)

Reading time ~1 minute

简介

###ml-data.tar.gz

压缩文件. 用于重新u数据文件: gunzip ml-data.tar.gz; tar xvf ml-data.tar; mku.sh

###u.data:

完整的u数据集,10w条ratings打分数据:943个user在1682个item上。每个user至少为20个电影打分。users和items从1开始,数字连续。数据是随机排序的。通过tab进行分割,如:

user_id | item_id | rating | timestamp。

timestamps是至1/1/1970 UTC以来的unix秒.

###u.info:

在u.data数据集中user、item、rating的总数.

###u.item:

items(电影)的信息;通过tab进行分割:

movie_id | movie_title | release_date | video_release_date |

IMDb URL | unknown | Action | Adventure | Animation |

Children's | Comedy | Crime | Documentary | Drama | 

Fantasy | Film-Noir | Horror | Musical | Mystery | 

Romance | Sci-Fi | Thriller | War | Western |

最后19个字段都是类型(genres),值为1,则表示电影为该类型,为0则表示不是该类型;一部电影可以有多个类型。电影id和u.data数据集中的一致.

###u.genre

类型列表

###u.user

人口统计学(Demographic)信息。通过tab列表进行分割。

        user id | age | gender | occupation | zip code

        用户id与u.data数据集中一致.

###u.occupation 职业信息.

###u1.base/u1.test …

该数据集, u1.base和u1.test到u5.base/u5.test通过80%/20%进行分割成:训练集和测试集。每个u1, ..., u5都与测试集相互独立;5组可以进行交叉难(你可以重复试验每个训练集和测试集,对结果求平均)。该数据集通过mku.sh对u.data进行切分生成。

###ua.base/ua.test

该数据集,通过将u.data进行切分获得:在测试集中,每个用户都有10个打分(rating)。ua.test和ub.test是不相交的。该数据集也通过mku.sh生成。

###allbut.pl

该脚本用来生成测试集和训练集,但在训练集中,只有n个user打分。 

###mku.sh

该脚本用来生成所有的u文件数据集.

官方原址