MovieLens-1M

הסקירה

מורידים קובץ דחוס בשם ml-1m.zip במשקל 6 MB מאתר grouplens.org ומקבלים 1 מיליון דירוגים של סרטים. הנתונים האלה נאספו מתוך 6000 משתמשים שהעריכו 4000 סרטים שונים. מדובר במאגר נתונים יציב שפורסם במקור בפברואר 2003 ומשמש מאז נקודת ייחוס לבדיקת אלגוריתמים של המלצות. אתם לא מקבלים כאן תוכנה עם ממשק גרפי, אפליקציה לעבודה יומיומית או לוח בקרה שמתחבר לחשבונות שלכם, אלא חבילת קבצי טקסט נטו שמיועדת לקריאה ולעיבוד בקוד שלכם.

מי שמחפש כלי להגברת תפוקה במשרד או ארגון משימות אישיות יגלה מהר מאוד שהשיוך לקטגוריה הזו הוא כמעט מקרי. החבילה הזו מיועדת לחוקרים, למפתחי מודלים של סינון שיתופי ולמי שרוצה לבדוק ביצועים של אלגוריתם המלצות על סט מוכן, מסודר וקבוע מראש.

מה מקבלים בתוך הקובץ

כשפותחים את הארכיון, מוצאים שם קובץ הסבר בשם README.txt לצד קבצי הנתונים עצמם שמחזיקים את כל המידע הגולמי. הקבצים האלה מכילים את היסטוריית הדירוגים של 6000 המשתמשים, את רשימת 4000 הסרטים ואת הקשרים ביניהם, בלי שום מעטפת ויזואלית מסביב. בנוסף, האתר מציע קובץ checksum עם סיומת md5 כדי לוודא שההורדה שלכם הסתיימה בצורה תקינה ושהקובץ לא נפגם בדרך. זהו מאגר סטטי סגור שמתאים לבדיקות אלגוריתמיות בלבד. קובץ הבדיקה הזה חוסך תקלות מוזרות בזמן הרצת הניסויים שלכם על הנתונים.

אין כאן ממשק משתמש.

מה שבאמת מפריע כאן הוא הגיל של הנתונים והאופי הקפוא שלהם, שמקורו אי שם בתחילת שנת 2003. מאז אותה שנה לא נוספו למאגר הזה סרטים חדשים, דירוגים עדכניים או דפוסי צפייה מודרניים שמאפיינים שירותי סטרימינג עכשוויים. לא הייתי משתמש בזה לבניית מוצר אמיתי שצריך לשרת משתמשים חיים בימינו, כי כללי המשחק והטעמים השתנו לחלוטין בעשרים השנים שחלפו. היתרון היחיד של הקיפאון הזה הוא היציבות המחקרית, שמאפשרת להשוות תוצאות מול אינספור מאמרים אקדמיים שנכתבו בעבר בדיוק על אותם מספרים בדיוק.

שאלת התמחור והשפה

בנושא של כסף אין מה לחפש כאן עמוד תמחור, מנויים חודשיים, כרטיסי אשראי או אותיות קטנות. קובץ הנתונים זמין להורדה ישירה לחלוטין משרתי המחקר של GroupLens, ללא עלות כספית וללא תהליך הרשמה באתר. אתם פשוט לוחצים על הקישור לקובץ ומקבלים אותו ישירות למחשב. זה מתאים לסטודנטים, לאנשי מחקר ולכל מי שצריך דאטה חינמי כדי להתאמן עליו בבית בלי לשלם לחברות ענן.

ההורדה חופשית ואין מחירון.

האתר כולו כתוב באנגלית, וכך גם קובץ התיעוד וכל שמות הסרטים שנמצאים בתוך הרשימות של המאגר. אין כאן תמיכה בעברית, אין שמות סרטים מתורגמים ואין שום התאמה ספציפית לקהל הישראלי, לתרבות המקומית או לעולם התוכן המקומי. אם אתם מתכננים לעבוד איתו על פרויקט שדורש טקסטים בעברית, תצטרכו להכין מראש מיפוי חיצוני משלכם או להישאר עם נתוני המקור באנגלית בלבד בלי לגעת בשפה.

• מחירלא צוין באתר
• ממשק גרפיאין
• הורדה חופשיתיש

אם אתם צריכים סביבת פיתוח להמלצות, GroupLens מפנים באתר לפרויקטים משלימים כמו LensKit שמתאימים למחקר, לצד קישורים לקוד שלהם בפלטפורמות GitHub וגם Bitbucket. המחקר הזה מתקיים בתמיכה מתמשכת של מענקי National Science Foundation שמפורטים בעמוד ההורדה, מה שמסביר למה החומרים נשארים נגישים לציבור הרחב לאורך שנים. זה שווה את זה רק אם אתם צריכים סט יציב להשוואת מודלים.