MoviesLens数据集介绍

MoviesLens数据集介绍以（ml-20m为例）

主要有以下文件：

ratings.csv和tag.csv中的用户id是一致的。

ratings.csv、tag.csv、movies.csv、link.csv中的用户id是一致的。

ratings.csv评级数据文件

该文件中的行首先按userId排序，然后在user中按movieId排序。

评分采用五星制，以半星递增（0.5星-5.0星）。

时间戳表示自1970年1月1日午夜协调世界时（UTC）起的秒数

tag.csv标记数据文件结构

所有标记都包含在文件“tags.csv”中。文件头行后的每一行代表一个用户应用于一部电影的一个标记，格式如下：

userId，movieId，tag，timestamp

该文件中的行首先按userId排序，然后在user中按movieId排序。

标签是用户生成的关于电影的元数据。每个标签通常是一个单词或短短语。特定标签的意义、价值和用途由每个用户决定。

时间戳表示自1970年1月1日午夜协调世界时（UTC）起的秒数。

Movies.csv电影数据文件结构

电影信息包含在文件“movies.csv”中。文件头行后的每一行代表一部电影，格式如下：

userId,movieId,tag,timestamp

电影标题可以手动输入，也可以从中导入<https://www.themoviedb.org/>，并在括号中包括发布年份。

Genres 是一个管道分隔列表，可从以下选项中选择：

* Action
* Adventure
* Animation
* Children's
* Comedy
* Crime
* Documentary
* Drama
* Fantasy
* Film-Noir
* Horror
* Musical
* Mystery
* Romance
* Sci-Fi
* Thriller
* War
* Western
* (no genres listed)

链接数据文件结构（Links.csv）

文件“links.csv”中包含可用于链接到其他电影数据源的标识符。文件头行后的每一行代表一部电影，格式如下：

movieId,imdbId,tmdbId

movieId是用户使用的电影的标识符<https://movielens.org>. 例如，电影《玩具总动员》中有<https://movielens.org/movies/1>.

imdbId是所使用的电影的标识符<http://www.imdb.com>. 例如，电影《玩具总动员》中有<http://www.imdb.com/title/tt0114709/>.

tmdbId是所使用的电影的标识符<https://www.themoviedb.org>. 例如，电影《玩具总动员》中有<https://www.themoviedb.org/movie/862>.

以上所列资源的使用受各供应商条款的约束。

标记基因组（Genome-scores.csv和Genome tags.csv）

标签基因组是一个数据结构，包含电影标签相关性得分。这个结构是一个密集的矩阵：基因组中的每一部电影都有一个值，对应于基因组中的每一个标签。

如[本文][基因组论文]所述，标签基因组编码电影如何强烈地表现出标签所代表的特殊特性（大气、发人深省、真实等）。使用机器学习算法对用户贡献的内容（包括标签、评分和文本评论）计算标签基因组。

基因组被分成两个文件。“genome scores.csv”文件包含以下格式的电影标签相关数据：

movieId,tagId,relevance

第二个文件“genome tags.csv”提供了genome文件中标签ID的标签描述，格式如下：

tagId,tag

“tagId”值是在导出数据集时生成的，因此它们可能因MovieLens数据集的版本而异。

以上介绍都是README文件中的内容，大家可以去看一下。