数据集之AmazonReviewDataset

Amazon Review Dataset包含了amazon上用户对商品的评论数据，目前最新已经到2018版了，各版链接：
（1）2018：https://nijianmo.github.io/amazon/index.html
（2）2014：http://jmcauley.ucsd.edu/data/amazon/index_2014.html
（3）2013：http://snap.stanford.edu/data/web-Amazon-links.html
总的来说，数据量越来越大，数据字段越来越多啦。

我使用2013版进行实验，至于为什么选这一版，主要是其他两版数据量太大了，虽然其他两版都有精简版本，但是精简版本没有元数据，比如商品的类别等。

product/productId: asin, e.g. amazon.com/dp/B00006HAXW

product/title: title of the product

product/price: price of the product

review/userId: id of the user, e.g. A1RSDE90N6RSZF

review/profileName: name of the user

review/helpfulness: fraction of users who found the review helpful

review/score: rating of the product

review/time: time of the review (unix time)

review/summary: review summary

review/text: text of the review

通常一个用户会有多条评论，如果我们取出review/userId、product/productId、review/time这三列，按照（用户id，评论时间）进行聚合，就可以得到用户最新评论商品ID和用户历史评论商品id列表,即（用户id，[商品id1，商品id2，商品id3，…]，当前评论商品id），进行编码转换后，数据就长这样了：
(9235, [24171, 25859, 28646, 11647, 37061], 21097）。这样我们就可以训练一个模型，根据用户历史评论行为预测用户接下来的评论商品id。

当然，我们也可以在历史行为序列中加入用户的评分等等，这样就可以预测更加丰富的内容了，比如用户对下一个商品的评分等等。