【离线版下载】电商推荐系统数据集:2 个 CSV 能做出什么推荐系统?

【免费下载链接】电商推荐系统数据集 本仓库提供了一个电商推荐系统数据集的CSV文件,包含两个主要文件:`products.csv` 和 `ratings.csv`。这些数据文件可用于构建和测试电商推荐系统模型 【免费下载链接】电商推荐系统数据集 项目地址: https://gitcode.com/open-source-toolkit/d573c

开源项目「电商推荐系统数据集」提供了一套开箱即用的推荐算法训练数据:一份 products.csv 商品信息表,一份 ratings.csv 用户评分记录。仅凭这两个文件,就能从零搭建并测试一个推荐系统,或做用户行为与商品热度分析。

仓库里有什么

数据资产很简单:两张 CSV 表,通过商品 ID 互相打通。

文件内容记录数
products.csv商品 ID、名称、类别、价格、图片、品牌标签等96 条
ratings.csv用户 ID、商品 ID、评分、评分时间约 4.5 万条

数据字段速览

📦 products.csv——每行代表一个商品,字段用 ^ 分隔:

字段含义说明
商品 ID商品唯一标识与评分数据关联的主键
商品名称商品名与卖点描述中文
价格售价数值
商品编码平台商品编码可用于溯源
商品图片 URL商品图片链接可直接展示
类别多级类目如"外设产品|鼠标|电脑/办公"
品牌/标签品牌与特征词如"飞利浦|剃须刀|好用"

⭐ ratings.csv——每行代表一条用户评分,字段用逗号分隔:

字段含义
用户 ID用户唯一标识
商品 ID关联 products.csv 中的商品
评分1.0–5.0,一位小数
评分时间Unix 时间戳

上手前必做的三件事

  1. 确认规模与格式:两个文件都没有表头行;products.csv 用 ^ 分隔,ratings.csv 用逗号分隔,读取时别混用。
  2. 检查缺失值:数据中可能包含缺失值,先检查再清洗。
  3. 建立"用户-商品-评分"关联:按商品 ID 把两份文件连起来,得到一张完整的评分表,后续训练都基于它。

常见玩法

  • 推荐算法训练:最常用的是协同过滤——根据"评分习惯相似的用户买了什么"来预测你可能喜欢什么;也可以基于商品类别与标签做基于内容的推荐。
  • 用户行为分析:按用户聚合,看人均评分数量、偏好的类别分布。
  • 商品热度分析:按商品聚合,看哪些类别评分最多、评分分布如何、哪些商品更受欢迎。

使用须知

  • 数据集仅供学习和研究使用,请勿用于商业用途。
  • 数据可能包含缺失值,使用前请先做数据清洗。
  • 全部评分均对应 products.csv 中的 96 个商品,两张表可以直接关联使用。

参与方式

发现数据问题或有改进想法,直接提交 issue 即可。想先本地试用:

git clone https://gitcode.com/open-source-toolkit/d573c

现在就把两个 CSV 下载下来,按"确认规模 → 检查缺失值 → 建评分表"三步走通,然后开始训练你的第一个推荐模型。

【免费下载链接】电商推荐系统数据集 本仓库提供了一个电商推荐系统数据集的CSV文件,包含两个主要文件:`products.csv` 和 `ratings.csv`。这些数据文件可用于构建和测试电商推荐系统模型 【免费下载链接】电商推荐系统数据集 项目地址: https://gitcode.com/open-source-toolkit/d573c

Logo

电商企业物流数字化转型必备!快递鸟 API 接口,72 小时快速完成物流系统集成。全流程实战1V1指导,营造开放的API技术生态圈。

更多推荐