雅虎面向研究人员发布大规模机器学习数据集

最新推荐文章于 2022-11-27 17:00:20 发布
最新推荐文章于 2022-11-27 17:00:20 发布
阅读量217 收藏
点赞数
文章标签： 人工智能
原文链接：https://yq.aliyun.com/articles/183520
版权

据外媒报道，日前，雅虎推出了一个全新的“雅虎新闻推荐(Yahoo News Recommendation)”数据集，它被称为是有史以来对外公布最大的机器学习数据集。雅虎表示，这套数据集主要针对学术研究社团推出，这样他们在研究中再也不需要为无法获得大规模数据集而发愁了。

据悉，公开的数据集包括了1100亿个事件，其在未压缩的状态下总容量达13.5TB。

研究人员可以在数据集中找到匿名用户新闻交互数据等数据，这些数据则都是在去年早几个月从2000万名用户那里收集得到。

在Yahoo News Feed数据集中有来自用户与雅虎多个不同版块的互动数据，如雅虎电影、雅虎新闻、雅虎金融等。

另外，雅虎还在这套数据集中添加了一些人口分布数据，如性别、年龄及地理位置等。雅虎在一份声明中说道：“我们的目标是在大规模机器学习和推荐系统中促进独立研究的发展，并还要帮助在工业和学术研究之间创造一个公平竞争的环境。





本文作者：佚名
来源：51CTO
weixin_34115824
关注
AI最全数据集汇总：语音、歌声、音乐、图片、视频等领域开源数据集链接汇总
学-> 思->用
04-12 3333
文章目录**音乐数据集**百万歌数据集**语音数据集**口语维基百科语料库语音命令数据集零资源语音挑战ISOLET数据集阿拉伯语言语料库TIMIT语料库**音响/自然**环境音频数据集城市声音分类城市声音数据集鸟类音频检测挑战中文文本分类数据集THUCNews中文完形填空数据集清华大学开放中文词库中华古诗词数据库上百种预训练中文词向量《口袋妖怪》跨语种命名对照数据集中文突发事件语料库中国股市爬取信...
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 6676
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
Yahoo数据仓库架构简介
weixin_30387339的博客
05-29 105
1. Yahoo数据仓库的整体架构 　　Yahoo数据仓库在基础架构上由hadoop集群和Oracle集群组成，hadoop集群是一个计算平台，完成所有ETL数据处理过程；Oracle集群只是一个查询环境。 　　数据通过Data highway从源系统加载进入数据仓库的ODS层，ODS层数据保持与源系统数据结构一样。EDW数据层并没有严格意义的数据层次的逻辑细分，它可能有 多层的ETL...
雅虎研究院数据集汇总
Chloezhao的专栏
12-02 3404
介绍：雅虎研究院的数据集汇总： 包括语言类数据，图与社交类数据，评分与分类数据，计算广告学数据，图像数据，竞赛数据，以及系统类的数据。
Yahoo! Answers Topic Classification Dataset（Yahoo! Answers 问答数据集）-数据集
03-19
Yahoo！Answers 数据集源于 Yahoo！Answers Comprehensive Questions and Answers 1.0 的 10 个主要分类数据，每个类别分别包含 140000 个训练样本和 5000 个测试样本。 test.csv classes.txt train.csv
一些人工智能、数据科学、机器学习、图像识别、软件缺陷预测领域公开数据集
Hello！
04-25 611
首先说说几个收集数据集的网站： 1、Public Data Sets on Amazon Web Services (AWS) http://aws.amazon.com/datasets Amazon从2008年开始就为开发者提供几十TB的开发数据。 2、Yahoo! Webscope http://webscope.sandbox.yahoo.com/index.php 3、Konect is a collection of network datasets http://konect.uni-kobl
Yahoo! Answers-数据集
不务正业的猿
08-25 2777
来自雅虎 Yahoo! Answers Comprehensive Questions and Answers1.0 数据集的 10 个主要分类数据。每个类 别分别包含 140,000 个训练样本和 5,000 个测试样本。 This article offers an empirical exploration on the use of character-level convolutional networks (ConvNets) for text classification. We const
AI深度、机器学习数据集资源汇总
最新发布
weixin_44462965的博客
11-27 3953
AI深度、机器学习数据集资源汇总！
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
机器学习(Machine Learning)
lee2430的博客
03-04 1643
原文链接：http://blog.csdn.net/zhoubl668/article/details/42921187 希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多． 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经
ag_news文本分类数据集
07-13
AG's News Topic Classification Dataset Version 3, Updated 09/09/2015 ORIGIN AG is a collection of more than 1 million news articles. News articles have been gathered from more than 2000 news sources by ComeToMyHead in more than 1 year of activity. ComeToMyHead is an academic news search engine which has been running since July, 2004. The dataset is provided by the academic comunity for research purposes in data mining (clustering, classification, etc), information retrieval (ranking, search, etc), xml, data compression, data streaming, and any other non-commercial activity. For more information, please refer to the link http://www.di.unipi.it/~gulli/AG_corpus_of_news_articles.html . The AG's news topic classification dataset is constructed by Xiang Zhang (xiang.zhang@nyu.edu) from the dataset above. It is used as a text classification benchmark in the following paper: Xiang Zhang, Junbo Zhao, Yann LeCun. Character-level Convolutional Networks for Text Classification. Advances in Neural Information Processing Systems 28 (NIPS 2015). DESCRIPTION The AG's news topic classification dataset is constructed by choosing 4 largest classes from the original corpus. Each class contains 30,000 training samples and 1,900 testing samples. The total number of training samples is 120,000 and testing 7,600. The file classes.txt contains a list of classes corresponding to each label. The files train.csv and test.csv contain all the training samples as comma-sparated values. There are 3 columns in them, corresponding to class index (1 to 4), title and description. The title and description are escaped using double quotes ("), and any internal double quote is escaped by 2 double quotes (""). New lines are escaped by a backslash followed with an "n" character, that is "\n".
新闻个性化推荐综述
hang916的博客
05-07 2463
MIND: A Large-scale Dataset for News Recommendation ACL 2020 0. 摘要 新闻推荐是实现个性化新闻服务的一项重要技术。与已经被广泛研究的产品推荐和电影推荐相比，新闻推荐的研究非常有限，主要是因为缺乏高质量的基准数据集。本文提出了一个名为MIND的新闻推荐大型数据集。MIND由微软新闻的用户点击日志构建而成，包含100万用户和16万多篇英文新闻文章，每篇文章都有丰富的标题、摘要、正文等文本内容。通过对几种最先进的新闻推荐方法的比较研究，证明了MI
亚线性时间复杂度近似k-means++
hestendelin的专栏
08-28 1152
K-Means聚类算法的目标是找到一个由k个聚类中心构成的集合，使得所有样本点到距其最近的聚类中心之间的距离之和最小。为避免引起歧义，这里解释一下，目标函数中距离的个数等...
大数据集地址
ForestCat的专栏
02-26 1万+
Yahoo官网提供的大数据集地址: 点击打开链接
16个推荐系统开放公共数据集整理分享
热门推荐
hellozhxy的博客
07-29 4万+
（本文由深度学习与NLP编译） 本文主要整理了一些与推荐系统相关的高质量的数据集。整理自Stack Overflow、一些文章、推荐站点和学术实验。其中，大多数数据集都是免费、开放的，但有些不是，需要获得许可或引用作者的工作才能使用。此外，其中也包含一些预处理数据，可用于学术实验。链接和数据集描述。   Book · 1. Book Crossing BookCrossing（BX）...
送你100+NLP数据集！数据科学需要的数据都在这里
老野的成长之路
10-27 4887
本文转载一个来自学堂在线的关于数据科学的资源整理，方便大家共同学习。 原文地址：https://mp.weixin.qq.com/s/QIXWnpijJivEfdCepL28iA 文内容由学堂在线的课程助教 于延涛 整理，方便大家在数据科学学习过程中查找数据。 本文内容较长，共分三部分，数据科学领域不同领域的学习者可以各取所需。   第一部分：80+国内外常用的数据集，适合中、高级的...
推荐系统之雅虎图文：Embedding-based News Recommendation for Millions of Users
yujianmin1990的专栏
06-20 3677
前言 雅虎日本搞的一套东西，师夷长技以制夷。 亮点 1）用降噪自编码实现文章的embedding 2）用RNN学习用户行为的embedding 主要就是在倒腾Embedding，然后用来做推荐。...
推荐系统常用数据集
weixin_34262482的博客
01-23 2827
首先需要说明一下推荐系统数据中的几个类别： Item： 即我们要推荐的东西，如产品、电影、网页或者一条信息片段 User：对item进行评分以及接受推荐系统推荐的项目的人 Rating：用户对item的偏好的表达。评分可以是二分类的（如喜欢和不喜欢），也可以是整数（如1到5星）或连续（某个间隔的任何值）。 另外，还有一些隐反馈，只记录一个用户是否与一个项目进行了交互。   在文章 The Nine...
干货 | 100+个NLP数据集大放送，再不愁数据！
THU数据派
05-02 8970
来源：大数据文摘本文共4270字，建议阅读7分钟。本文为你奉上100多个按字母顺序排列的开源自然语言处理文本数据集列表。奉上100多个按字母顺序排列的开源自然语言处理文本...
雅虎EGADS：大规模时序数据异常检测的高性能框架
文章介绍的EGADS（Elastic and Generalized Anomaly Detection System）是雅虎研发的一个创新框架，它针对大规模时序数据设计了一个异常过滤层，该层结合了异常检测和预测模型，能够实时地检测出异常值。EGADS的特点...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值