雅虎发布大量有助于研究机器学习的数据

2016年1月14日,计算机世界网发布消息,称雅虎发布了大量数据,用来帮助科研人员开展机器学习的研究工作。

雅虎发布的针对机器学习科学家的数据集成为了新的“有史以来最大的”数据集。这是一个用来收集匿名用户与诸如雅虎新闻和雅虎体育等新闻类网站交互消息的数据集。雅虎表示该数据集包含了1100亿个事件或记录。这些记录是在用户点击新闻故事或者采取一些其他的反馈动作时产生的,一共有13.5TB大小,这比以前发布的最大数据集大十多倍。

机器学习正被推广到各种各样的应用中,从自动驾驶到图像识别,再到在线推荐引擎等。但如果你不使用谷歌或者脸谱,你将很难得到大容量的真实数据集,用来测试和验证机器学习程序。计算机科学家建立模型并编写算法来引导机器学习系统,但他们需要大数据集来测试那些模型并改进它们。雅虎表示,数据是机器学习研究的生命线。然而,从传统上来看,使用大规模数据集只是大公司的机器学习研究者和数据科学家的特权,对大多数学术界的研究者来说是可望而不可及的。

用户数据可以从雅虎实验室的Webscope数据共享项目下载该数据集,这是一个针对非商业用途的匿名数据库。该数据集是在用户与雅虎新闻、体育、金融、影视和地产等的交互中形成的。数据是2015年前四个多月中从超过两千万雅虎用户收集到的。除了交互数据,还包括分类的人口统计信息,如部分用户的年龄范围和性别等。发布的数据还包括相关新闻文章的标题、摘要和关键词等。

雅虎表示,以前的最大数据集是由在线营销公司Criteo于去年发布的,大约有1TB大小,包含了40亿个事件。雅虎还表示它的目标是为学术研究者创造用武之地,这些研究者通常更擅长从网络上获取资源,很少求助于公司同行。但真实数据的缺乏会使他们无计可施。

原文发布于微信公众号 - 人工智能快报(AI_News)

原文发表时间:2016-02-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏罗超频道

百度地图这十年如何一步步干掉了强悍的对手?

前几天在使用电子导航时我问朋友:在没有电子地图时,人们开车出行时是怎么认路的?朋友说:大概十年前城市道路没这么复杂吧,或者随身携带一份纸质地图?这样的黑暗时代并...

3337
来自专栏云计算D1net

甲骨文将在云计算领域向微软发起攻击

据国外媒体报道,新上任的甲骨文联席首席执行官马克?赫德(Mark Hurd)已经做好战斗准备。惠普的战斗将从周日晚上打响,目标是与微软争夺企业云计算市场的控制权...

2526
来自专栏ATYUN订阅号

【业界】关于人工智能的9个可能让你大吃一惊的事实

AI近来备受投资者的关注,而且有充分的理由。这是一项可能改变从交通到云计算的一切的潜力技术。 ? 许多公司都认为,AI不仅会影响他们的产品和服务,而且会影响他们...

3248
来自专栏ATYUN订阅号

三星的AI算法在两个阅读理解比赛中名列前茅

这两项测试旨在评估AI算法,它们在人类Q&A中处理自然语言的能力以及分析不同类型文档中的文本的能力。

1083
来自专栏点滴科技资讯

审计,咨询岗位将会被人工智能代替?对四大会计师事务所人工智能应用的比较—德勤,安永,普华永道和毕马威

2253
来自专栏人工智能快报

IEEE发布《人工智能与机器学习在网络安全领域的应用》

美国电气和电子工程师协会(IEEE)发布《人工智能(AI)与机器学习(ML)在网络安全领域的应用》报告,指出随着移动设备和物联网设备的爆炸式增长,以及AI/ML...

451
来自专栏BestSDK

手游也“疯狂”,WeRec推出手游录像SDK

image.png 作为一款专业的手游录像SDK,WeRec致力于在帮助游戏提升用户体验的基础上,为开发者提供高效的营销方案。近日,借助WeRec强大的手游视频...

2417
来自专栏新智元

百度:人工智能防止踩踏事故发生

新浪科技讯 北京时间3月25日下午消息,百度旗下的一个部门开发了一种新算法,可以预测人群聚集状况,从而向主管部门和个人用户发出预警,避免异常人群聚集可能引发的公...

3909
来自专栏机器之心

发布AI芯片昆仑和百度大脑3.0、L4自动驾驶巴士量产下线,这是百度All in AI一年后的最新答卷

首先亮相的是百度创始人、董事长兼首席执行官李彦宏。在大会的主 Keynote 环节中,李彦宏介宣布,全球首款 L4 级自动驾驶巴士量产下线。此自动驾驶巴士由百度...

1113
来自专栏企鹅号快讯

腾讯发布国内首款智能耳机:跑步不用带手机,想听歌直接告诉它

智能穿戴设备脱离手机来满足用户的需求将成为标配。跟随Apple Watch 3的理念,一款内置语音识别助手、能独立于手机操作的智能耳机正式发布。 12月20日,...

1866

扫描关注云+社区