MovieLens 数据集介绍与下载指南

目录

一、数据集简介

二、数据集包含的内容

三、数据集的用途

四、数据集安装

（一）在线下载

（二）借助 Python 库安装

（三）文章置顶数据集

一、数据集简介

MovieLens 数据集在推荐系统领域极具影响力，由明尼苏达大学 GroupLens 研究小组精心收集并持续维护。该数据集整合了大量电影评分、标签及相关元数据，为推荐算法的研究与优化提供了坚实的数据基础，助力学者和开发者构建更精准的用户观影偏好推荐系统。

二、数据集包含的内容

1. 评分数据：

   ratings.csv（原ratings.dat）包含了用户对电影的评分数据，具体包含以下信息：

   1) 用户ID（UserID）：范围在1到6040之间；

   2) 电影ID（MovieID）：范围在1到3952之间；

   3) 评分（Rating）：采用5星评分制，只能是整数星级；

   4) 时间戳（Timestamp）：记录评分时间，以秒为单位。数据集总共包含1,000,209条匿名评分记录，每个用户至少有20条评分记录。

   时间戳（Timestamp）（时间印章）在MovieLens数据集中用于记录用户对电影进行评分的具体时间点，它以Unix时间戳的形式存储（从1970年1月1日开始计算的秒数）。这个时间信息可以用来分析用户的评分行为随时间的变化趋势，比如用户在不同时间段的评分偏好、评分频率的变化等，也可以用于构建时间序列相关的推荐算法，或者用于筛选特定时间段的评分数据进行分析。

2. 电影信息：

    movies.dat包含电影的基本信息，包括电影ID、标题和类型信息。电影类型包括Action、Adventure、Animation等18种类型，这些类型可以单独出现，也可以组合出现，比如一部电影可能同时属于'Action|Adventure|Thriller'（动作|冒险|惊悚）等多个类型。

   - Action（动作）

   - Adventure（冒险）

   - Animation（动画）

   - Children's（儿童）

   - Comedy（喜剧）

   - Crime（犯罪）

   - Documentary（纪录片）

   - Drama（剧情）

   - Fantasy（奇幻）

   - Film-Noir（黑色电影）

   - Horror（恐怖）

   - Musical（音乐）

   - Mystery（悬疑）

   - Romance（爱情）

   - Sci-Fi（科幻）

   - Thriller（惊悚）

   - War（战争）

   - Western（西部）

3. 用户信息：

   users.dat包含用户的人口统计学信息，包括性别、年龄段（分为7个区间）和职业（分为21类）；

   其中：

   性别分为：男性(M)和女性(F)

   年龄分为7个区间：

   - 1: 18岁以下

   - 18: 18-24岁

   - 25: 25-34岁

   - 35: 35-44岁

   - 45: 45-49岁

   - 50: 50-55岁

   - 56: 56岁以上

   职业分为21类：

   - 0: 其他或未指定

   - 1: 学者/教育工作者

   - 2: 艺术家

   - 3: 文员/行政人员

   - 4: 大学/研究生学生

   - 5: 客户服务

   - 6: 医生/医疗保健

   - 7: 行政/管理人员

   - 8: 农民

   - 9: 家庭主妇

   - 10: K-12学生

   - 11: 律师

   - 12: 程序员

   - 13: 退休人员

   - 14: 销售/市场营销

   - 15: 科学家

   - 16: 个体经营者

   - 17: 技术员/工程师

   - 18: 技工/工匠

   - 19: 失业人员

   - 20: 作家

三、数据集的用途

1. 推荐算法研究与测试：MovieLens 数据集是评估协同过滤、基于内容推荐、混合推荐等各类算法性能的理想选择。通过比较不同算法在预测用户评分和推荐电影准确性方面的表现，可筛选出更优算法。
2. 用户画像构建：利用用户评分、年龄、性别、职业等信息，能够构建精准的用户画像，为个性化推荐提供有力支撑。

四、数据集安装

（一）在线下载

1. 访问官网：打开浏览器，输入https://grouplens.org/datasets/movielens/，进入 MovieLens 数据集官方下载页面。
2. 选择版本：网站提供多个不同规模的数据集版本。例如，ml - latest - small 版本适合初学者，包含约 10 万条评分数据和 9750 多部电影；ml - latest 版本数据量更大。根据需求选择后，点击对应版本的 “Download” 按钮，将压缩文件下载至本地。
3. 解压文件：下载完成后，使用解压软件（如 WinRAR、360zip 等）解压文件，即可获取数据集文件夹，其中包含 ratings.csv（评分数据文件）、movies.csv（电影信息文件）等核心文件。

（二）借助 Python 库安装

1. 安装 Surprise 库：在 Python 环境中，打开终端（Windows 系统的命令提示符、Anaconda Prompt，或 Mac/Linux 系统的 Terminal），输入命令 “pip install scikit - surprise”，安装 Surprise 推荐系统库，该库内置了 MovieLens 数据集获取功能。
2. 加载数据集：在 Python 脚本或交互式环境中，输入以下代码：

from surprise import Dataset

data = Dataset.load_builtin('ml-100k') # 加载MovieLens 100k数据集

运行代码后，程序将自动联网下载数据集，并转换为适合 Surprise 库推荐算法实验的格式，便于后续直接调用算法进行研究。

MovieLens 数据集是进入推荐系统领域的理想起点，其安装便捷、内容丰富、用途广泛，为探索个性化推荐提供了有力支持。

（三）文章置顶数据集