因为最近要做一些关于推荐系统相关的研究，所以查阅了一些资料，总结一下市面上能用到推荐系统研究方面的常用公开数据集。
作者：张昭 haolexiao
Jester在线笑话评分数据集
这个数据集是Jester这个伯克利专门用来收集数据集的在线笑话网站http://eigentaste.berkeley.edu/，类似于外文的糗事百科，不过更侧重于冷笑话。然后每个笑话展示后用户可以依据好笑程度打分。然后伯克利把这个数据集公开了。数据集地址：
http://eigentaste.berkeley.edu/dataset/
数据集中包含笑话文本本身，用户给不同笑话的打分情况。数据集由少到多分为：
- item Dataset 1: Over 4.1 million continuous ratings (-10.00 to +10.00) of 100 jokes from 73,421 users: collected between April 1999 - May 2003.
- item Dataset 2: Over 1.7 million continuous ratings (-10.00 to +10.00) of 150 jokes from 59,132 users: collected between November 2006 - May 2009.
- item Dataset 2+: An updated version of Dataset 2 with over 500,000 new ratings from 79,681 total users: data collected from November 2006 - Nov 2012
都可以在网站上下载到
MovieLens电影评分数据集
这个也是一个非常经典的数据集，数据集地址：
https://grouplens.org/datasets/movielens/
有用户对电影的评分，tag数据量也蛮大的，有24,000,000 ratings and 670,000 tag applications applied to 40,000 movies by 260,000 users
Last.fm音乐推荐数据集
这个是数据集还是蛮丰富的，有用户信息，用户听艺术家信息歌曲的信息，还有用户对艺术家打标签的侵袭，更有用户之间好友信息，数据量1892 users，17632 artists
数据集地址：
https://grouplens.org/datasets/hetrec-2011/
（其实这个数据集地址跟上面那个都是在一块的）
这个数据集拿来做推荐的话，可以把艺术家播放次数作为用户的评分
Book-Crossing图书评分数据
这个数据集包含110万个用户的110万本书的110万册评价。评级范围从1到10，还包括隐性评级。
数据集地址：
http://www2.informatik.uni-freiburg.de/~cziegler/BX/
不过这个数据集太稀疏了【听说是现有出名的数据集中最稀疏的】
Netf电影评分数据集
这个是曾经Netflix的一个比赛中提供的数据集，有480,000 用户对超过17,000部电影，总共超过1亿条打分数据，600多M还是非常良心的。
数据集地址：
http://academictorrents.com/details/9b13183dc4d60676b773c9e2cd6de5e5542cee9a
libimseti约会数据集
类似于一个世纪佳缘网站的约会网站，用户对其他用户的简历的打分数据。总共168,791份简历，135,359的用户去打分，总共有17,359,346份评分
数据集地址：
http://www.occamslab.com/petricek/data/
Amazon Fine Food Reviews数据集
这个是kaggle提供的一个数据集，亚马逊用户对食物的评分数据，总共有568,454条评价，还包含评分，还有其他用户觉得是否评价是否有用。
数据集地址：
https://www.kaggle.com/snap/amazon-fine-food-reviews
其他人总结的一些数据集
找数据集的时候，找到一些人总结的git，可以供参考：
https://gist.github.com/entaroadun/1653794
https://github.com/hackreduce/Hackathon/wiki/Datasets
http://www.kdnuggets.com/2016/02/nine-datasets-investigating-recommender-systems.html