数据集概述
本数据集围绕后疫情时代本地推荐系统的安全与可持续性设计展开，包含纽约和旧金山两地基于Google Local与Yelp平台的推荐数据，以及用户选择偏好的调查数据，为相关推荐系统研究提供实证基础。
文件详解
- 论文扩展版本文件：
- Towards_Safety_and_Sustainability_Extended.pdf：PDF格式，研究论文的扩展版本，提供研究背景与方法细节
- 调查数据文件：
- Customer_Choice_Survey.csv：CSV格式，包含纽约和旧金山用户对Google Local推荐餐厅的选择偏好调查数据，含基础信息及七轮餐厅排序问题记录
- 纽约地区推荐数据文件：
- NYC_Google.csv：CSV格式，纽约地区Google Local推荐数据，字段包括customer_location（用户位置）、rank（推荐排名）、id（餐厅ID）、latitude/longitude（地理坐标）、name（餐厅名称）、price_level（价格水平）、rating（评分）、rating_count（评分数量）、address（地址）
- NYC_Yelp.csv：CSV格式，纽约地区Yelp推荐数据，字段包括customer_location、rank、id、latitude/longitude、name、rating、rating_count、address、url（Yelp页面链接）
- 旧金山地区推荐数据文件：
- SF_Google.csv：CSV格式，旧金山地区Google Local推荐数据，字段与NYC_Google.csv一致
- SF_Yelp.csv：CSV格式，旧金山地区Yelp推荐数据，字段与NYC_Yelp.csv一致
适用场景
- 推荐系统研究：分析后疫情时代用户对本地推荐的安全与可持续性需求
- 用户行为分析：探究用户在餐厅推荐中的选择偏好及影响因素
- 城市服务优化：为纽约、旧金山等地的本地生活服务平台提供数据支持
- 可持续设计应用：研究推荐系统中安全距离、可持续性等因素的融合机制
