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。
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
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。