"英文标题：Global Homestay Booking Recommendation System and User Behavior Correlation Dataset
数据集概述
针对全球民宿预订场景，整合平台算法推荐结果与用户交互行为的关联数据，覆盖用户搜索、点击、预订、评价等全流程行为，以及算法推荐的房源特征、排序逻辑等维度。
数据按用户会话周期组织，覆盖全球主要民宿预订市场，支持多平台、多区域的推荐效果对比分析。颗粒度精确至用户-房源-时间维度，可系统梳理推荐算法对用户决策路径的影响机制。字段定义遵循旅游电商与推荐系统领域的标准规范，结构清晰，支持直接用于算法效果评估与优化模型构建。
该数据集是研究民宿预订平台推荐系统效率与用户行为特征的核心资源。推荐算法直接影响房源曝光效率、用户决策效率与平台交易转化率，掌握二者关联规律对于平台优化推荐策略、提升用户体验、增强房源运营效率具有关键作用。长周期的关联数据还可用于验证推荐系统的个性化效果、公平性特征及与市场需求的匹配度。
字段详情
数据集包含以下核心字段：
user_session_id：用户会话ID，唯一标识用户单次平台访问的完整交互周期recommended_list：推荐房源序列，指算法返回的按排序权重排列的房源ID集合user_click_seq：用户点击序列，指用户在会话中点击的房源ID及点击时间戳booking_conversion：预订转化率，单位百分比，指会话中点击房源后完成预订的比例user_profile_tag：用户画像标签，指平台对用户偏好（如价格敏感、地段偏好等）的分类标识recommendation_algorithm：推荐算法类型，指生成该推荐结果的具体算法模型（如协同过滤、内容推荐等）
适用场景
- 民宿预订平台优化推荐算法，调整房源排序权重以提升交易转化率
- 旅游电商研究人员分析用户决策路径与推荐系统的交互影响机制
- 民宿运营方评估不同推荐渠道的房源曝光效果与获客质量
- 数字经济研究机构评估旅游领域推荐系统的公平性与效率特征
- 用户体验设计团队优化推荐结果展示形式，提升用户决策效率"
