Исследователи Яндекса разработали и выложили в открытый доступ один из крупнейших в мире датасетов в области рекомендательных систем⚡️

Yambda - это огромный датасет, включающий 4,79 миллиарда действий пользователей Яндекс Музыки. Все данные анонимизированы: в датасете только числовые идентификаторы, что обеспечивает полную конфиденциальность.🔒
Рекомендательные алгоритмы лежат в основе многих сервисов: интернет-магазины, онлайн-кинотеатры и т.д. Но развитие этих алгоритмов напрямую зависит от научных исследований. Проблема в том, что исследовать не на чем - коммерческие компании практически никогда не публикуют датасеты, а те, что есть в открытом доступе, содержат слишком мало данных, непригодны для масштабирования, потеряли актуальность или стали недоступны из-за лицензионных ограничений.

💡Yambda (Yandex Music Billion‑interactions Dataset) позволит ученым и разработчикам исследовать, тестировать и улучшать свои рекомендательные системы. Причем данные можно использовать для оценки качества любых систем, не только стриминговых сервисов. А если вычислительных мощностей не хватает на анализ 5 млрд данных, то можно воспользоваться уменьшенными версиями - на 500 млн и 50 млн событий.

🚩Еще у датасета есть фича в виде флага is_organic, который позволяет разделять органические и рекомендательные действия пользователей. То есть можно посмотреть, какое событие произошло в результате рекомендации, а какое - благодаря самостоятельному действию пользователя.

Данные датасета и код для оценки замеров лежат тут👈