雷鋒網(wǎng) AI 科技評(píng)論消息，日前，美國最大的點(diǎn)評(píng)網(wǎng)站Yelp公開其內(nèi)部數(shù)據(jù)集。據(jù)官網(wǎng)介紹，這是一個(gè)通用數(shù)據(jù)集，開放這個(gè)數(shù)據(jù)集的主要目的是幫助學(xué)習(xí)。

這個(gè)數(shù)據(jù)集是Yelp涵蓋的商戶、點(diǎn)評(píng)和用戶數(shù)據(jù)的一個(gè)子集，可以用于個(gè)人、教育和學(xué)術(shù)。現(xiàn)在可以得到這個(gè)數(shù)據(jù)集的JSON和SQL文件，利用它來教學(xué)生關(guān)于數(shù)據(jù)庫的知識(shí)，學(xué)習(xí)NLP，或在學(xué)習(xí)制作手機(jī)APP時(shí)作為樣本產(chǎn)品數(shù)據(jù)。

數(shù)據(jù)集詳細(xì)信息

數(shù)據(jù)集包括470萬條用戶評(píng)價(jià)，15多萬條商戶信息，20萬張圖片，12個(gè)大都市。此外，還涵蓋110萬用戶的100萬條tips，超過120萬條商家屬性（如營業(yè)時(shí)間、是否有停車場、是否可預(yù)訂和環(huán)境等信息），隨著時(shí)間推移在每家商戶簽到的總用戶數(shù)。

如何使用？

用戶可以使用JSON和SQL數(shù)據(jù)集。

• JSON

能立刻建立和運(yùn)行

以單獨(dú)的文件形式呈現(xiàn)，你可以任意選擇

在任何應(yīng)用上都可以使用

JSON數(shù)據(jù)集中的每一個(gè)文件都由一個(gè)單獨(dú)的對(duì)象類型組成，一行表示一個(gè)JSON對(duì)象。

下面是一個(gè)商家簽到用戶數(shù)的實(shí)例。

在GitHub上還有更多的例子：https://github.com/Yelp/dataset-examples

• SQL

與大多數(shù)關(guān)系數(shù)據(jù)庫兼容

填充表具有引用完整性

只有一個(gè)文件，容易導(dǎo)入

表格之間的聯(lián)系和結(jié)構(gòu)如下圖所示：

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

關(guān)于數(shù)據(jù)集的挑戰(zhàn)賽

yelp希望更多的學(xué)生利用這些數(shù)據(jù)，在研究中想出創(chuàng)新性方法，他們也提供了目前感興趣的一些主題。

一是圖片分類。目前他們雖然能識(shí)別出圖片中類似于漢堡之類的食物，但是如何評(píng)價(jià)一張圖片是否好看還有待研究。

二是自然語言處理和情感分析。用戶評(píng)價(jià)數(shù)據(jù)里有很多能挖掘的元數(shù)據(jù)，可以用于推斷語義、商戶屬性和情感。他們想知道評(píng)價(jià)里表達(dá)了什么，是好評(píng)還是差評(píng)。

三是圖像挖掘。比如說挖掘出用戶之間的關(guān)系是如何限定他們的使用規(guī)律，流行趨勢的引導(dǎo)者在一家店火起來之前都是去哪兒吃飯的。

via：https://www.yelp.com/dataset

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。