新闻推荐数据集MIND介绍

新闻推荐数据集介绍

本篇博客介绍的是微软刚刚开源的数据集MIND，关于MIND的介绍可以看这
个：微软关于MIND数据集的介绍

MIND数据集简介

MIND即MIcrosoft News Dataset的简写，MIND数据集是用来做新闻推荐研究，MIND里的数据来自Microsoft News用户的行为日志。
MIND的数据集里包含了1,000,000的用户以及这些用户与160,000的文章的交互行为。

MIND数据集的构造

MIND数据集的构造：在2019年十月12号到11月22号这段时间内随机抽取1,000,000的用户的数据（被选择的用户至在这段时间内至少要点击过五篇新闻），用户的ID已经被编码为uID。Microsoft收集了这段时间内用户的行为日志，这个就形成了impression logs。一个impression logs记录的是在特定时间用户访问网站主页时，用户是否点击了展示给用户的文章。MIND数据集里还加入了用户在impression logs之前的点击历史ClickHist。

MIND数据集里的一个标签样本形式

一个样本点的形式如下：
[uID; t;ClickHist; ImpLog]