采样的movielens数据集，一般用来推荐模型中的测试。标椎格式txt可以尝试下自己的新模型，这种数据一般用于有评分数据的模型，用于矩阵分解之类的模型。如果是点击与否的模型则不适用。推荐算法模型可以查看我的相关博文，关注即可。多谢点赞。也可以加群获取更多资讯。群里有各种大佬，都是算法专家。

MovieLens 是一套电影推荐数据集，信息来源于网站 movielens.umn.edu，该数据集包含 138493 位用户对 27278 部电影的评分数据，共计 20000263 条，数据采集自 1995.01 – 2015.03 这段时间。 MovieLens 数据集由明尼苏达大学-计算机科学与工程系的 GroupLens 组于 1998 年发布。

MovieLens 电影推荐数据集包含 943个 用户对 1682部 电影的 100000 个 电影的评分(1-5分)，数据采集自网站 movielens.umn.edu，时间段为 1997.09-1998.04。

图书推荐数据集.zip

Microsoft新闻推荐数据集.zip

MovieLens 电影推荐数据集包含 943个 用户对 1682部 电影的 100000 个 电影的评分(1-5分)，数据采集自网站 movielens.umn.edu，时间段为 1997.09-1998.04。

推荐，资源包含数据资产体系、数据资产评估指引、数据资产实施路径、数据资产模版等，供18份。

1、描述 Book Crossing 是一个书籍推荐系统数据，用以向用户推荐偏好的书籍。 由Cai-Nicolas Ziegler在经过4周的爬网（2004年8月/ 2004年）中，在人类系统 首席技术官Ron Hornbaker的允许下，从Book-Crossing社区中收集。包含278,858个用户（匿名但具有人口统计信息），提供1,149,780个评分（显式/隐式），约271,379本书。数据集中包含三张表，分别BX用户表，BX书表，BX书评表。 属性信息如下： BX用户表 User_ID 用户id Location 位置 Age 年龄 BX书 ISBN ISBN标识 Book-Title 书名 Book-Author 书作者 Year-Of-Publication 出版年 Publisher 发布者 Image-URL-S Image-URL-M Image-URL-L BX书评 包含书评信息。等级（Book-Rating）是显式的，以1-10（较高的值表示较高的欣赏度）表示，

借助5G、云计算、大数据、物联网和人工智能等技术，重点解决战略闭环、业务运营、管理支撑等业务系统间数据不通和数据孤岛等问题，破解数据“汇”、“存”、“管”、“用”、“营”等难题。通过建立集团统一的数据湖及应用平台，提供数据汇聚、存储、治理、分析、服务、共享、应用和运营能力，夯实企业大数据智能化、经营管理智能化、业务作业智能化、医疗健康行业运营智能化的“4智”应用基础支撑能力，构建跨业务、跨部门和跨层级的融合应用场景，形成企业“数智化”运行的智能中枢，实现经营状态的实时监测，经营数据的辅助决策、指标的智能预警预测，关键问题的智慧决策，打造集团运行管理闭环与智慧化决策能力 。

新闻推荐是个性化新闻服务的重要技术。与已被全面研究的产品和电影推荐相比，新闻推荐的研究要有限得多，这主要是由于缺乏高质量的基准数据集。 MIND Microsoft News Recommendation Dataset_datasets..txt MIND Microsoft News Recommendation Dataset_datasets..zip