雷鋒網 AI 科技評論消息，日前，美國最大的點評網站Yelp公開其內部數據集。據官網介紹，這是一個通用數據集，開放這個數據集的主要目的是幫助學習。

這個數據集是Yelp涵蓋的商戶、點評和用戶數據的一個子集，可以用于個人、教育和學術?，F在可以得到這個數據集的JSON和SQL文件，利用它來教學生關于數據庫的知識，學習NLP，或在學習制作手機APP時作為樣本產品數據。

數據集詳細信息

數據集包括470萬條用戶評價，15多萬條商戶信息，20萬張圖片，12個大都市。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)時間、是否有停車場、是否可預訂和環(huán)境等信息），隨著時間推移在每家商戶簽到的總用戶數。

如何使用？

用戶可以使用JSON和SQL數據集。

• JSON

能立刻建立和運行

以單獨的文件形式呈現，你可以任意選擇

在任何應用上都可以使用

JSON數據集中的每一個文件都由一個單獨的對象類型組成，一行表示一個JSON對象。

下面是一個商家簽到用戶數的實例。

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

• SQL

與大多數關系數據庫兼容

填充表具有引用完整性

只有一個文件，容易導入

表格之間的聯系和結構如下圖所示：

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

關于數據集的挑戰(zhàn)賽

yelp希望更多的學生利用這些數據，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。目前他們雖然能識別出圖片中類似于漢堡之類的食物，但是如何評價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。用戶評價數據里有很多能挖掘的元數據，可以用于推斷語義、商戶屬性和情感。他們想知道評價里表達了什么，是好評還是差評。

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

via：https://www.yelp.com/dataset

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。