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 | 雷锋网

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。