新闻推荐(5):主流数据集介绍

本文通过MASR在ACL2020/上的心智数据集论文，介绍了新闻推荐中常用的一些数据集

(2013)通过收集发表在13德国新闻门户网站上的新闻文章和用户的点击日志，构建了Plista4数据集。它包含70，353篇新闻文章和65，438+0，095，323次点击。这个数据集中的新闻文章都是德语的，用户主要来自德语国家。

根据adreseavisen网站的期刊，Adressa数据是在10周内建立的，该网站有48486篇新闻文章，3083438个用户和27223576次点击事件。每个点击事件包含几个属性，如会话时间、新闻标题、新闻类别和用户ID。每篇新闻文章都与作者、实体和主题等详细信息相关联。这个数据集中的新闻文章是用挪威语写的。整个数据集分为两个不同尺度的版本。

综合来看，Adressa在内容上是最全面的，可以用于常规的新闻推荐、基于会话的推荐和基于知识图谱的推荐。

2018)建立了来自巴西热门新闻门户网站globo的新闻推荐数据集。这个数据集包含大约365，438+04，000个用户，46，000篇新闻文章和300万次点击。每个点击记录包含用户ID、新闻ID和会话时间等字段。最早在Kaggle平台开放，提供训练有素的新闻嵌入，不需要原始新闻文章信息。

它包含14180条新闻和34022个点击事件。每篇新闻文章用一个word id表示，不提供新闻原文。该数据集中的用户数量未知，因为没有用户ID。

如果觉得有用，请喜欢并关注。如果有兴趣推荐，欢迎评论区/私信交流~ ~ ~