数据集:

amazon_us_reviews

任务:

摘要生成

文本生成

填充掩码

子任务:

text-scoring language-modeling masked-language-modeling

语言:

计算机处理:

monolingual

大小:

100M<n<1B

语言创建人:

found

批注创建人:

no-annotation

源数据集:

original

许可:

other

数据集介绍文件清单

英文

"amazon_us_reviews" 数据集的数据卡片

数据集摘要

亚马逊顾客评论（即产品评论）是亚马逊的标志性产品之一。自1995年第一篇评论以来的20多年间，数百万亚马逊顾客贡献了超过一亿条评论，表达了他们对亚马逊网站上的产品的意见和体验描述。这使得亚马逊顾客评论成为自然语言处理（NLP）、信息检索（IR）和机器学习（ML）等学术研究领域的丰富信息源。因此，我们发布这些数据以进一步推动与理解客户产品体验相关的多个学科的研究。此数据集特别构建用于表示客户评估和意见的样本、产品在地理区域上的感知变化以及评论中的促销意图或偏见。此版本共提供了超过1.3亿条顾客评论，供研究人员使用。数据以TSV文件的形式在aws美国东部区域的amazon-reviews-pds S3桶中提供。数据文件中的每一行对应于一个单独的评论（以制表符分隔，无引号和转义字符）。每个数据集包含以下列： marketplace - 评论撰写所在市场的2个字母国家代码。 customer_id - 可用于汇总单个作者撰写的评论的随机标识符。 review_id - 评论的唯一ID。 product_id - 评论所属的唯一产品ID。在多语言数据集中，不同国家的相同产品的评论可以通过相同的product_id分组。 product_parent - 可用于汇总同一产品评论的随机标识符。 product_title - 产品名称。 product_category - 可用于对评论进行分组的广义产品类别（也用于将数据集分成连贯的部分）。 star_rating - 评论的1-5星评级。 helpful_votes - 有帮助投票的数量。 total_votes - 评论收到的总票数。 vine - 评论是作为Vine计划的一部分撰写的。 verified_purchase - 评论是基于已验证的购买。 review_headline - 评论的标题。 review_body - 评论的正文。 review_date - 评论撰写日期。

支持的任务和排行榜

More Information Needed

语言

More Information Needed 。

数据集结构

数据实例

Apparel_v1_00

下载的数据集文件大小：648.64 MB
生成的数据集大小：2254.36 MB
磁盘总使用量：2903.00 MB

'训练集'的示例如下所示。

{
    "customer_id": "45223824",
    "helpful_votes": 0,
    "marketplace": "US",
    "product_category": "Apparel",
    "product_id": "B016PUU3VO",
    "product_parent": "893588059",
    "product_title": "Fruit of the Loom Boys' A-Shirt (Pack of 4)",
    "review_body": "I ordered the same size as I ordered last time, and these shirts were much larger than the previous order. They were also about 6 inches longer. It was like they sent men's shirts instead of boys' shirts. I'll be returning these...",
    "review_date": "2015-01-01",
    "review_headline": "Sizes not correct, too big overall and WAY too long",
    "review_id": "R1N3Z13931J3O9",
    "star_rating": 2,
    "total_votes": 0,
    "verified_purchase": 1,
    "vine": 0
}

Automotive_v1_00

下载的数据集文件大小：582.15 MB
生成的数据集大小：1518.88 MB
磁盘总使用量：2101.03 MB

'训练集'的示例如下所示。

{
    "customer_id": "16825098",
    "helpful_votes": 0,
    "marketplace": "US",
    "product_category": "Automotive",
    "product_id": "B000E4PCGE",
    "product_parent": "694793259",
    "product_title": "00-03 NISSAN SENTRA MIRROR RH (PASSENGER SIDE), Power, Non-Heated (2000 00 2001 01 2002 02 2003 03) NS35ER 963015M000",
    "review_body": "Product was as described, new and a great look. Only bad thing is that one of the screws was stripped so I couldn't tighten all three.",
    "review_date": "2015-08-31",
    "review_headline": "new and a great look. Only bad thing is that one of ...",
    "review_id": "R2RUIDUMDKG7P",
    "star_rating": 3,
    "total_votes": 0,
    "verified_purchase": 1,
    "vine": 0
}

Baby_v1_00

下载的数据集文件大小：357.40 MB
生成的数据集大小：956.30 MB
磁盘总使用量：1313.70 MB

'训练集'的示例如下所示。

This example was too long and was cropped:

{
    "customer_id": "23299101",
    "helpful_votes": 2,
    "marketplace": "US",
    "product_category": "Baby",
    "product_id": "B00SN6F9NG",
    "product_parent": "3470998",
    "product_title": "Rhoost Nail Clipper for Baby - Ergonomically Designed and Easy to Use Baby Nail Clipper, Natural Wooden Bamboo - Baby Health and Personal Care Kits",
    "review_body": "\"This is an absolute MUST item to have!  I was scared to death to clip my baby's nails.  I tried other baby nail clippers and th...",
    "review_date": "2015-08-31",
    "review_headline": "If fits so comfortably in my hand and I feel like I have ...",
    "review_id": "R2DRL5NRODVQ3Z",
    "star_rating": 5,
    "total_votes": 2,
    "verified_purchase": 1,
    "vine": 0
}

Beauty_v1_00

下载的数据集文件大小：914.08 MB
生成的数据集大小：2397.39 MB
磁盘总使用量：3311.47 MB

'训练集'的示例如下所示。

{
    "customer_id": "24655453",
    "helpful_votes": 1,
    "marketplace": "US",
    "product_category": "Beauty",
    "product_id": "B00SAQ9DZY",
    "product_parent": "292127037",
    "product_title": "12 New, High Quality, Amber 2 ml (5/8 Dram) Glass Bottles, with Orifice Reducer and Black Cap.",
    "review_body": "These are great for small mixtures for EO's, especially for traveling.  I only gave this 4 stars because of the orifice reducer.  The hole is so small it is hard to get the oil out.  Just needs to be slightly bigger.",
    "review_date": "2015-08-31",
    "review_headline": "Good Product",
    "review_id": "R2A30ALEGLMCGN",
    "star_rating": 4,
    "total_votes": 1,
    "verified_purchase": 1,
    "vine": 0
}

Books_v1_00

下载的数据集文件大小：2740.34 MB
生成的数据集大小：7193.86 MB
磁盘总使用量：9934.20 MB

'训练集'的示例如下所示。

This example was too long and was cropped:

{
    "customer_id": "49735028",
    "helpful_votes": 0,
    "marketplace": "US",
    "product_category": "Books",
    "product_id": "0664254969",
    "product_parent": "248307276",
    "product_title": "Presbyterian Creeds: A Guide to the Book of Confessions",
    "review_body": "\"The Presbyterian Book of Confessions contains multiple Creeds for use by the denomination. This guidebook helps he lay person t...",
    "review_date": "2015-08-31",
    "review_headline": "The Presbyterian Book of Confessions contains multiple Creeds for use ...",
    "review_id": "R2G519UREHRO8M",
    "star_rating": 3,
    "total_votes": 1,
    "verified_purchase": 1,
    "vine": 0
}

数据字段

所有拆分的数据字段相同。

Apparel_v1_00

marketplace : 字符串类型特征。
customer_id : 字符串类型特征。
review_id : 字符串类型特征。
product_id : 字符串类型特征。
product_parent : 字符串类型特征。
product_title : 字符串类型特征。
product_category : 字符串类型特征。
star_rating : 整型特征。
helpful_votes : 整型特征。
total_votes : 整型特征。
vine : 分类标签，可能的值包括 Y (0) 和 N (1)。
verified_purchase : 分类标签，可能的值包括 Y (0) 和 N (1)。
review_headline : 字符串类型特征。
review_body : 字符串类型特征。
review_date : 字符串类型特征。

Automotive_v1_00

marketplace : 字符串类型特征。
customer_id : 字符串类型特征。
review_id : 字符串类型特征。
product_id : 字符串类型特征。
product_parent : 字符串类型特征。
product_title : 字符串类型特征。
product_category : 字符串类型特征。
star_rating : 整型特征。
helpful_votes : 整型特征。
total_votes : 整型特征。
vine : 分类标签，可能的值包括 Y (0) 和 N (1)。
verified_purchase : 分类标签，可能的值包括 Y (0) 和 N (1)。
review_headline : 字符串类型特征。
review_body : 字符串类型特征。
review_date : 字符串类型特征。

Baby_v1_00

marketplace : 字符串类型特征。
customer_id : 字符串类型特征。
review_id : 字符串类型特征。
product_id : 字符串类型特征。
product_parent : 字符串类型特征。
product_title : 字符串类型特征。
product_category : 字符串类型特征。
star_rating : 整型特征。
helpful_votes : 整型特征。
total_votes : 整型特征。
vine : 分类标签，可能的值包括 Y (0) 和 N (1)。
verified_purchase : 分类标签，可能的值包括 Y (0) 和 N (1)。
review_headline : 字符串类型特征。
review_body : 字符串类型特征。
review_date : 字符串类型特征。

Beauty_v1_00

marketplace : 字符串类型特征。
customer_id : 字符串类型特征。
review_id : 字符串类型特征。
product_id : 字符串类型特征。
product_parent : 字符串类型特征。
product_title : 字符串类型特征。
product_category : 字符串类型特征。
star_rating : 整型特征。
helpful_votes : 整型特征。
total_votes : 整型特征。
vine : 分类标签，可能的值包括 Y (0) 和 N (1)。
verified_purchase : 分类标签，可能的值包括 Y (0) 和 N (1)。
review_headline : 字符串类型特征。
review_body : 字符串类型特征。
review_date : 字符串类型特征。

Books_v1_00

marketplace : 字符串类型特征。
customer_id : 字符串类型特征。
review_id : 字符串类型特征。
product_id : 字符串类型特征。
product_parent : 字符串类型特征。
product_title : 字符串类型特征。
product_category : 字符串类型特征。
star_rating : 整型特征。
helpful_votes : 整型特征。
total_votes : 整型特征。
vine : 分类标签，可能的值包括 Y (0) 和 N (1)。
verified_purchase : 分类标签，可能的值包括 Y (0) 和 N (1)。
review_headline : 字符串类型特征。
review_body : 字符串类型特征。
review_date : 字符串类型特征。

数据拆分

name	train
Apparel_v1_00	5906333
Automotive_v1_00	3514942
Baby_v1_00	1752932
Beauty_v1_00	5115666
Books_v1_00	10319090
Books_v1_01	6106719
Books_v1_02	3105520
Camera_v1_00	1801974
Digital_Ebook_Purchase_v1_00	12520722
Digital_Ebook_Purchase_v1_01	5101693
Digital_Music_Purchase_v1_00	1688884
Digital_Software_v1_00	102084
Digital_Video_Download_v1_00	4057147
Digital_Video_Games_v1_00	145431
Electronics_v1_00	3093869
Furniture_v1_00	792113
Gift_Card_v1_00	149086
Grocery_v1_00	2402458
Health_Personal_Care_v1_00	5331449
Home_Entertainment_v1_00	705889
Home_Improvement_v1_00	2634781
Home_v1_00	6221559
Jewelry_v1_00	1767753
Kitchen_v1_00	4880466
Lawn_and_Garden_v1_00	2557288
Luggage_v1_00	348657
Major_Appliances_v1_00	96901
Mobile_Apps_v1_00	5033376
Mobile_Electronics_v1_00	104975
Music_v1_00	4751577
Musical_Instruments_v1_00	904765
Office_Products_v1_00	2642434
Outdoors_v1_00	2302401
PC_v1_00	6908554
Personal_Care_Appliances_v1_00	85981
Pet_Products_v1_00	2643619
Shoes_v1_00	4366916
Software_v1_00	341931
Sports_v1_00	4850360
Tools_v1_00	1741100
Toys_v1_00	4864249
Video_DVD_v1_00	5069140
Video_Games_v1_00	1785997
Video_v1_00	380604
Watches_v1_00	960872
Wireless_v1_00	9002021

数据集创建

策划原因

More Information Needed

数据来源

初始数据收集和标准化的数据

More Information Needed

谁是源语言的生产者？

More Information Needed

标注

标注过程

More Information Needed

谁是标注者？

More Information Needed

个人和敏感信息

More Information Needed

使用数据的注意事项

附加信息

数据集策划者

More Information Needed

许可信息

https://s3.amazonaws.com/amazon-reviews-pds/LICENSE.txt

通过访问亚马逊顾客评论库（“评论库”），您同意评论库是亚马逊服务，受评论库的 Amazon.com Conditions of Use ，并同意受其约束，并额外遵守以下条件：

除了在使用声明中授予的许可权之外，亚马逊或其内容提供商还授予您有限的、非独占的、不可转让的、不可转让的、可撤销的许可权，用于访问和使用评论库进行学术研究。您不得转售、再出版或以任何商业用途使用评论库或其内容，包括将评论库用于商业研究，例如与资金或咨询合同、实习或向營利組織提供结果的相关研究等有关的研究。您不得（a）链接或将评论库中的内容与任何个人信息（包括亚马逊顾客账户）相关联，或者（b）试图确定评论库中任何内容的作者身份。如果您违反上述任何条件，您对访问和使用评论库的许可将自动终止，不影响亚马逊可能拥有的任何其他权利或救济。

引文信息

没有引文信息。

贡献

感谢 @joeddav 添加此数据集。

作者:

佚名

数据集大小:

257.16 KB

"amazon_us_reviews" 数据集的数据卡片

数据集摘要

支持的任务和排行榜

语言

数据集结构

数据实例

数据字段

数据拆分

数据集创建

策划原因

数据来源

标注

个人和敏感信息

使用数据的注意事项

数据的社会影响

偏见讨论

其他已知限制

附加信息

数据集策划者

许可信息

引文信息

贡献