data_sample_1000
קוד פתוחTAAC2026cc-by-nc-4.02026-03-13
מדגם של אלף רשומות אינטראקציה בין משתמשים לפריטים עם 120 עמודות שטוחות. הוא נועד לבדוק מבנה נתונים וצינורות עיבוד לתחרות TAAC2026 לפני מעבר לקבצים המלאים.
- 226הורדות בחודש
- 92לייקים
מה זה
המאגר כולל קובץ יחיד בשם demo_1000.parquet שמכיל 1,000 שורות ו־120 עמודות. הנתונים הגיעו מתחרות TAAC2026 ומציגים אינטראקציות של משתמשים ופריטים במבנה עמודות שטוח, ללא מבנים מקוננים.
העמודות מחולקות לשש קבוצות. חמש עמודות מזהים ותוויות שאינן כוללות ערכים חסרים: user_id, item_id, label_type, label_time ו־timestamp. שאר העמודות כוללות 46 מאפייני משתמש מספריים, 10 מאפייני משתמש וקטוריים מסוג float, 14 מאפייני פריט מספריים, ו־45 רצפי התנהגות מארבעה דומיינים שונים המסומנים באותיות A עד D. מקור הנתונים הראשוני והאופן שבו הם סוננו אינם מפורטים בתיעוד.
מתאים ל
- בדיקת צינור נתונים
אימות קריאת קובץ Parquet שטוח עם 120 עמודות ורשימות מקוננות לפני הרצת אימון על הסט המלא.
- הכנה לתחרות TAAC2026
בניית ארכיטקטורת רשת התחלתית שמקבלת שילוב של מאפיינים בדידים, רציפים ורצפי התנהגות.
- פיתוח מודלי המלצה מרובי דומיינים
ניסוי מקדים במבנה רשת שמשלב ארבעה רצפי התנהגות מדומיינים שונים לצד מזהי משתמש ופריט.
איפה זה נופל
זה מדגם קטן מאוד של אלף שורות בלבד, כך שאי אפשר לאמן עליו מודל אמיתי ומטרתו רק לבדוק תקינות קוד. שמות המאפיינים אנונימיים לחלוטין וכוללים מזהים ומספרים בלבד, ללא שום מידע עסקי או סמנטי על מה שהם מייצגים בפועל. אין בנתונים טקסט, אין שום קשר לשפה העברית, ותאריך האיסוף המקורי אינו מצוין.
שאלות
נפוצות
האם מותר להשתמש בדאטהסט הזה לפרויקט מסחרי?
לא. הרישיון הוא cc-by-nc-4.0, מה שאוסר שימוש מסחרי מכל סוג שהוא. הוא מתאים למחקר, לימוד או השתתפות בתחרות TAAC2026 בלבד.
כמה שוקל הקובץ וכמה זיכרון צריך כדי לפתוח אותו?
הקובץ demo_1000.parquet שוקל כ־39 מגה בייט. מדובר ב־1,000 שורות בלבד, כך שכל מחשב אישי סטנדרטי יכול לטעון אותו לזיכרון באמצעות pandas או pyarrow תוך שניות בודדות.
האם יש במאגר נתונים בעברית או טקסט חופשי?
אין במאגר טקסט בכלל. כל הנתונים מורכבים ממספרים, מזהים, וקטורים של צפים ורשימות של מספרים שלמים המייצגים רצפי התנהגות.
מה בדיוק מייצגות העמודות domain_a עד domain_d?
התיעוד מגדיר אותן כרצפי התנהגות מארבעה דומיינים שונים. המשמעות הסמנטית של כל דומיין או מהות הפעולות אינן מפורטות בכרטיס המאגר.
איך טוענים
טוענים את הקובץ ישירות באמצעות ספריית datasets של Hugging Face עם המזהה TAAC2026/data_sample_1000, או קוראים את הקובץ demo_1000.parquet מקומית עם pandas או pyarrow. המשקל עומד על כ־39 מגה בייט בלבד ואין צורך באישור גישה מיוחד. כדאי לשים לב שמאפיינים מסוימים חולקים מזהה משותף בין מאפיינים של מספרים שלמים ומאפיינים רציפים, מה שמעיד על כך שהם מתארים את אותה הישות.
from datasets import load_dataset
ds = load_dataset("TAAC2026/data_sample_1000")הרישיון
הרישיון הוא cc-by-nc-4.0. השימוש מותר למטרות מחקר, לימוד ובדיקות פנימיות בלבד, ואינו מרשה שום שימוש מסחרי. חובה לתת ייחוס ליוצרים. אסור להטמיע את הנתונים במוצר מסחרי או לאמן עליהם מודל שמיועד למכירה או לשירות בתשלום.
- שינוי הקוד
- חובת ייחוס
- שימוש מסחרי: לא