开发 | 美国最大点评网站Yelp公开内部数据集，面向学生发起多样挑战赛

AI 科技评论消息：日前，美国最大的点评网站Yelp公开其内部数据集。据官网介绍，这是一个通用数据集，开放这个数据集的主要目的是帮助学习。

这个数据集是Yelp涵盖的商户、点评和用户数据的一个子集，可以用于个人、教育和学术。现在可以得到这个数据集的JSON和SQL文件，利用它来教学生关于数据库的知识，学习NLP，或在学习制作手机APP时作为样本产品数据。

数据集详细信息

数据集包括470万条用户评价，15多万条商户信息，20万张图片，12个大都市。此外，还涵盖110万用户的100万条tips，超过120万条商家属性（如营业时间、是否有停车场、是否可预订和环境等信息），随着时间推移在每家商户签到的总用户数。

如何使用？

用户可以使用JSON和SQL数据集。

JSON

• 能立刻建立和运行
• 以单独的文件形式呈现，你可以任意选择
• 在任何应用上都可以使用

JSON数据集中的每一个文件都由一个单独的对象类型组成，一行表示一个JSON对象。下面是一个商家签到用户数的实例。

在GitHub上还有更多的例子：

https://github.com/Yelp/dataset-examples

SQL

• 与大多数关系数据库兼容
• 填充表具有引用完整性
• 只有一个文件，容易导入

表格之间的联系和结构如下图所示：

下载地址：

https://s3-media2.fl.yelpcdn.com/assets/srv0/engineering_pages/5176da685fac/assets/vendor/yelp_schema.zip

关于数据集的挑战赛

yelp希望更多的学生利用这些数据，在研究中想出创新性方法，他们也提供了目前感兴趣的一些主题。

一是图片分类。目前他们虽然能识别出图片中类似于汉堡之类的食物，但是如何评价一张图片是否好看还有待研究。

二是自然语言处理和情感分析。用户评价数据里有很多能挖掘的元数据，可以用于推断语义、商户属性和情感。他们想知道评价里表达了什么，是好评还是差评。

三是图像挖掘。比如说挖掘出用户之间的关系是如何限定他们的使用规律，流行趋势的引导者在一家店火起来之前都是去哪儿吃饭的。

via：https://www.yelp.com/dataset