数据集概述
该数据集包含四个多媒体推荐系统数据集，用于研究推荐系统中的流行度偏差与公平性问题。每个数据集基于公开基准数据构建，包含用户交互记录及按主流偏好划分的用户分组数据，为公平推荐算法的开发与评估提供支持。
文件详解
该数据集包含四个压缩包文件，每个压缩包对应一个推荐系统场景，内部文件结构统一：
- 压缩包文件（共4个）：
- lfm.zip：基于Last.fm数据的压缩包
- ml.zip：基于MovieLens数据的压缩包
- book.zip：基于BookCrossing数据的压缩包
- anime.zip：基于MyAnimeList数据的压缩包
- 各压缩包内包含两类文件：
- 用户交互文件（user_events.txt）：格式为"user,item,preference"，记录用户与项目的交互数据
- 用户分组文件：包含low_main_users.txt、med_main_users.txt、high_main_users.txt三个文件，格式为"user,mainstreaminess"，按用户对流行项目的偏好程度划分用户组
数据来源
- JKU Linz（Last.fm数据来源）
- GroupLens（MovieLens数据来源）
- Uni Freiburg（BookCrossing数据来源）
- Kaggle（MyAnimeList数据来源）
适用场景
- 推荐系统公平性研究：分析不同用户群体在推荐结果中的流行度偏差问题
- 算法评估：测试推荐算法在缓解流行度偏差、提升小众项目曝光方面的效果
- 用户行为分析：探究用户对流行/主流项目的偏好差异及其影响因素
- 公平推荐算法开发：为构建兼顾效率与公平性的推荐模型提供实验数据支持
