【科研数据分享】CTR预估数据集汇总

简介: 【科研数据分享】CTR预估数据集汇总

数据作为支撑AI技术发展的基础要素,其重要性不言而喻,高质量的科研数据集对领域技术的发展起着重要的推动作用。天池数据集致力于提供优质的科研数据,以帮助算法从业人员更好地开展模型研究。

本期天池君为大家推荐了5个常用的点击率预估 (CTR estimation) 数据集,点击率预估 (CTR estimation) 是在线信息系统的核心模块之一,是推荐系统、付费广告、搜索引擎重要的组成部分,广泛的应用于商品购物、短视频、本地生活等领域中,与人们的生活息息相关,具有重要的业务价值。随着深度学习的广泛应用,深度点击率预估模型被广泛用于工业界的线上系统中。


本文整理了学术界/业界公用的CTR预估数据集,方便算法研发人员学习。

1►

Kaggle Display Advertising Challenge Dataset by Criteo

简介:This dataset is provided by Criteo, and it contains feature values and click feedback for millions of display ads. Its purpose is to benchmark algorithms for clickthrough rate (CTR) prediction.

官网下载地址:

https://ailab.criteo.com/ressources/

天池下载地址:

https://tianchi.aliyun.com/dataset/144733

2►

Criteo 1TB Click Logs Dataset

简介:This dataset contains feature values and click feedback for millions of display ads. Its purpose is to benchmark algorithms for clickthrough rate (CTR) prediction. It is similar, but larger, to the dataset released for the Display Advertising Challenge hosted by Kaggle.

官网下载地址:

https://ailab.criteo.com/download-criteo-1tb-click-logs-dataset/

天池下载地址:

https://tianchi.aliyun.com/dataset/144736

3►

Amazon Product Data

简介:This dataset contains product reviews and metadata from Amazon, including 233.1 million reviews spanning May 1996 - Oct 2018. This dataset includes reviews (ratings, text, helpfulness votes), product metadata (descriptions, category information, price, brand, and image features), and links (also viewed/also bought graphs).

参考论文:

Justifying recommendations using distantly-labeled reviews and fined-grained aspects.

Jianmo Ni, Jiacheng Li, Julian McAuley. Empirical Methods in Natural Language Processing (EMNLP), 2019

官方下载地址:

https://nijianmo.github.io/amazon/index.html

天池下载地址(图书类目):

https://tianchi.aliyun.com/dataset/145340

4►

淘宝展示广告点击率预估数据集

简介:Ali_Display_Ad_Click是阿里巴巴提供的一个淘宝展示广告点击率预估数据集。

参考论文:

1. Gai K, Zhu X, Li H, et al. Learning Piece-wise Linear Models from Large Scale Data for Ad Click Prediction[J]. arXiv preprint arXiv:1704.05194, 2017. 2. Guorui Zhou, Chengru Song, Xiaoqiang Zhu, et al. Deep Interest Network for Click-Through Rate Prediction. arXiv preprint arXiv:1706.06978, 2017.

下载地址:

https://tianchi.aliyun.com/dataset/56

5►

饿了么推荐数据集

简介:The dataset is constructed by click logs from ele.me online recommendation system, including 8 days' data with 146 million sample records.

下载地址:

https://tianchi.aliyun.com/dataset/131047


相关文章
|
机器学习/深度学习 分布式计算 DataWorks
EasyRec 使用介绍|学习笔记
快速学习 EasyRec 使用介绍。
2289 0
|
存储 SQL 缓存
Hadoop入门(一篇就够了)
Hadoop入门(一篇就够了)
44626 6
Hadoop入门(一篇就够了)
|
机器学习/深度学习 搜索推荐 算法
【王喆-推荐系统】模型篇-(task5)wide&deep模型
Wide&Deep是工业界中有巨大影响力的模型,如果直接翻译成中文是宽和深的模型,其模型结构如下所示:wide和deep让模型兼具逻辑回归和深度神经网络的特点。
2763 0
【王喆-推荐系统】模型篇-(task5)wide&deep模型
|
机器学习/深度学习 人工智能 数据可视化
生成AI的两大范式:扩散模型与Flow Matching的理论基础与技术比较
本文系统对比了扩散模型与Flow Matching两种生成模型技术。扩散模型通过逐步添加噪声再逆转过程生成数据,类比为沙堡的侵蚀与重建;Flow Matching构建分布间连续路径的速度场,如同矢量导航系统。两者在数学原理、训练动态及应用上各有优劣:扩散模型适合复杂数据,Flow Matching采样效率更高。文章结合实例解析两者的差异与联系,并探讨其在图像、音频等领域的实际应用,为生成建模提供了全面视角。
3982 1
生成AI的两大范式:扩散模型与Flow Matching的理论基础与技术比较
|
人工智能 自然语言处理 Linux
如何获取 OpenAI API 密钥
本教程详细介绍如何注册 OpenAI 账户、获取 API 密钥并部署 GPT-4 模型。内容涵盖访问官网、登录注册、创建密钥、配置 Python 环境及调用 API 的完整流程,并提供示例代码帮助开发者快速上手。
|
机器学习/深度学习 搜索推荐 算法
推荐系统[二]:召回算法超详细讲解[召回模型演化过程、召回模型主流常见算法(DeepMF_TDM_Airbnb Embedding_Item2vec等)、召回路径简介、多路召回融合]
推荐系统[二]:召回算法超详细讲解[召回模型演化过程、召回模型主流常见算法(DeepMF_TDM_Airbnb Embedding_Item2vec等)、召回路径简介、多路召回融合]
推荐系统[二]:召回算法超详细讲解[召回模型演化过程、召回模型主流常见算法(DeepMF_TDM_Airbnb Embedding_Item2vec等)、召回路径简介、多路召回融合]
|
Linux 开发工具 数据安全/隐私保护
搭建 Git 私人服务器完整指南
本文详细介绍了如何从零开始搭建一个私人的 `Git` 服务器。首先,文章解释了 `Git` 的概念及其优势,并阐述了搭建私人 `Git` 服务器的重要性,包括数据隐私、定制化需求及成本效益。接着,文章分步骤指导读者完成服务器的准备工作,包括操作系统、硬件和网络要求。随后,详细介绍了在不同操作系统上安装 `Git` 的方法,并演示了如何创建 `git` 用户、部署仓库以及设置免密登录。此外,还提供了客户端连接远程仓库的具体步骤,包括 Linux 和 Windows 的操作方式。最后,文章探讨了迁移仓库的方法以及搭建 `Git` 服务器的一些进阶选项。
8091 0
搭建 Git 私人服务器完整指南
|
机器学习/深度学习 数据采集 PyTorch
高效数据加载与预处理:利用 DataLoader 优化训练流程
【8月更文第29天】 在深度学习中,数据加载和预处理是整个训练流程的重要组成部分。随着数据集规模的增长,数据加载的速度直接影响到模型训练的时间成本。为了提高数据加载效率并简化数据预处理流程,PyTorch 提供了一个名为 `DataLoader` 的工具类。本文将详细介绍如何使用 PyTorch 的 `DataLoader` 来优化数据加载和预处理步骤,并提供具体的代码示例。
2782 1