快手随机曝光视频推荐数据集-2022年-arashnic
数据来源：互联网公开数据
标签：推荐系统,随机曝光,视频,用户交互,数据集,机器学习,评估,偏见,序列推荐,交互推荐,多任务学习
数据概述：
本数据集包含快手平台中用户与视频之间的交互记录，特别设计用于研究推荐系统的偏见和评估推荐策略。数据集分为三个版本：KuaiRand-27K、KuaiRand-1K 和 KuaiRand-Pure。KuaiRand-27K 包含超过27,000名用户和3,200万条视频的完整记录，适用于需要大规模、完整交互记录的研究场景。KuaiRand-1K 从中随机抽取1,000名用户及其互动记录，适用于需要部分交互数据的研究。KuaiRand-Pure 则仅包含候选池中的7,583条视频的交互日志，适用于需要较小规模数据的研究。
数据集中的日志文件记录了不同推荐策略下用户的交互行为，包括随机干预和标准推荐两种策略。交互记录包含了详细的用户ID、时间戳、视频特征、用户行为信号（如点击、点赞、观看时长等），为推荐系统的研究提供了丰富的背景信息。
数据用途概述：
该数据集适用于推荐系统中的多种研究方向，包括但不限于：
- 离策略评估（OPE）：评估推荐策略在不同环境下的表现。
- 交互推荐：研究用户与推荐系统之间的动态交互过程。
- 长序列行为建模：分析用户的长期交互行为模式。
- 多任务学习：在推荐系统中同时处理多种任务。
数据集通过在标准推荐流中插入随机暴露的视频，提供了真实且无偏的数据样本，有助于研究者开发和评估能够减少推荐系统偏见的算法。此外，数据集还支持多种推荐研究方向，为研究人员提供了丰富的数据资源。
