假期充电 | 用经典图书评分数据集，练手推荐系统（附参考源码）

By 超神经

内容概要：五一假期过半，是不是光顾着玩啦？今天给大家推荐一个数据集，玩累了玩烦了，不如，学习一会儿？

关键词：系统推进   公开数据集   算法

 

共享阅读，囊括全球 150 万会员

「微信漂流瓶」想必大家都不陌生，其实早在 2001 年，就已经存在「图书漂流」了，这就是 Book-Crossing。

Book-Crossing 是一个共享阅读网站，由 Ron Hornbaker 在 2001 年 4 月 17 日创建，旨在将图书流通与互联网结合，让读完的书籍流通起来，被更多的人继续阅读。

Book-Crossing Logo 及意大利语 Slogan

意为自由放取书籍

读者可以在 Book-Crossing 网站注册，然后给自己的书本编码后，让书籍流通起来，而且可以追踪书籍后续传阅漂流的过程。

2015 年，Book-Crossing 已经拥有 150 万会员，有一千多万本书在 132 个国家间漂流。

 

20 万本书，百万条评分

Book–Crossing Dataset 是由 Book–Crossing 社区的 278858 名用户的评分组成，其包含约 271379 本书的 1149780 条评分数据。

该数据集包含 3 个分类：BX-用户、BX-书籍、BX-书本评级。

Book–Crossing Dataset

发布机构：弗莱堡大学 Cai-Nicolas Ziegler

包含数量：1,149,780 条评分数据

数据格式：CSV Dump / SQL Dump

数据大小：50.61 MB

采集时间：2004 年 8 月-9 月，为期四周

发布时间：2005 年

下载地址：https://hyper.ai/datasets/5524

BX-用户

包含用户信息，其中用户 ID 已被匿名化并映射到整数，除了包含人口统计数据的部分，其余字段均包含 NULL 值。

BX-书籍

包含书本的 ISBN 标识，除此之外，还提供了作者、出版年份、出版社等基于内容的信息，在拥有多位作者的情况下，仅提供第一作者；并且该数据集提供了链接到封面图像的 URL，相关链接直接指向 Amazon 网站。

BX-书本评级

包含图书评分信息，其中评级分为明确、从 1 – 10 表示和用 0 表示的隐含值。

该数据集由德国弗莱堡大学于 2005 年发布，相关论文有《Improving Recommendation Lists Through Topic Diversification》。

论文地址：http://dwz.date/axbz

 

数据集怎么用？

《基于模型的协同过滤应用---图书推荐》

https://github.com/XuefengHuang/RecommendationSystem

描述：基于 Spark, Python Flask 的在线图书推荐系统

作者参考项目：https://github.com/jadianes/spark-movie-lens

推荐算法参考思路：

在我们的在线图书推荐系统中，我们借用 Spark 的 ALS 算法的训练和预测函数，每次收到新的数据后，将其更新到训练数据集中，然后更新ALS训练得到的模型。

假设我们有一组用户，他们表现出了对一组图书的喜好。用户对一本图书的喜好程度越高，就会给其更高的评分，范围是从1到5。我们来通过一个矩阵来展示它，行代表用户，列代表图书。用户对图书的评分。

所有的评分范围从1到5，5代表喜欢程度最高。第一个用户（行1）对第一个图书（列1）的评分是4。空的单元格代表用户未给图书评价。

矩阵因子分解（如奇异值分解，奇异值分解+ +）将项和用户都转化成了相同的潜在空间，它所代表了用户和项之间的潜相互作用。矩阵分解背后的原理是潜在特征代表了用户如何给项进行评分。

给定用户和项的潜在描述，我们可以预测用户将会给还未评价的项多少评分。

—— 完 ——

扫描二维码，加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解更多

更多精彩内容（点击图片阅读）

直达数据集，点击 阅读原文