推荐算法实践：movielens数据集

MovieLens 数据集介绍

MovieLens 数据集是由明尼苏达大学的GroupLens研究小组维护的一个广泛使用的电影评分数据集，主要用于推荐系统的研究。该数据集包含用户对电影的评分、标签以及其他相关信息，是电影推荐系统开发与研究的常用数据源。

数据集版本

• MovieLens 数据集有多个版本，不同版本的数据集规模和内容有所不同：
• MovieLens 100k 数据集：包含943位用户对1682部电影的100,000条评分数据，评分范围为1到5分。
• MovieLens 1M 数据集：包含1000名用户对3900部电影的100万条评分数据。
• MovieLens 10M 数据集：包含71,567名用户对10,681部电影的1000万条评分数据。
• MovieLens 20M 数据集：包含138,000名用户对27,000部电影的2000万条评分数据。
• MovieLens 25M 数据集：是目前最新发布的版本，包含更多的用户和电影数据。

数据集结构

数据集通常包含以下主要文件：

1. 用户信息文件（Users.dat），包含用户的基本信息，如用户ID、性别、年龄、职业等。

• UserID：用户唯一标识。从1~6040， 代表了6040个MovieLens用户

• Gender：性别（M表示男性，F表示女性）。

• Age：用户年龄，分成了7组

  • 1: “Under 18”
  • 18: “18-24”
  • 25: “25-34”
  • 35: “35-44”
  • 45: “45-49”
  • 50: “50-55”
  • 56: “56+”

• Occupation：用户职业，如学生、教师、工程师等。

  • 0: “other” or not specified
  • 1: “academic/educator”
  • 2: “artist”
  • 3: “clerical/admin”
  • 4: “college/grad student”
  • 5: “customer service”
  • 6: “doctor/health care”
  • 7: “executive/managerial”
  • 8: “farmer”
  • 9: “homemaker”
  • 10: “K-12 student”
  • 11: “lawyer”
  • 12: “programmer”
  • 13: “retired”
  • 14: “sales/marketing”
  • 15: “scientist”
  • 16: “self-employed”
  • 17: “technician/engineer”
  • 18: “tradesman/craftsman”
  • 19: “unemployed”
  • 20: “writer”