数据集:

polinaeterna/amazon_us_reviews

许可:

other

源数据集:

original

批注创建人:

no-annotation

语言创建人:

found

大小:

100M<n<1B

计算机处理:

monolingual

语言:

子任务:

masked-language-modeling language-modeling text-scoring

任务:

数据集介绍文件清单

"amazon_us_reviews" 数据集卡片

数据集概述

亚马逊客户评论（又称产品评论）是亚马逊的标志性产品之一。自1995年的第一条评论以来，数百万亚马逊客户为了表达意见并描述他们在亚马逊网站上的产品体验，贡献了一亿多条评论。这使得亚马逊客户评论成为自然语言处理（NLP）、信息检索（IR）和机器学习（ML）等多个学科领域的学术研究的丰富信息来源。因此，我们将此数据发布以促进与了解客户产品体验相关的多个学科领域的进一步研究。此数据集的目的是代表客户评价和意见的样本、在不同地理区域对产品感知的差异，以及评论中的推广意图或偏见。此次发布的数据集中有超过一亿三千万条客户评论可供研究人员使用。该数据以TSV文件的形式存储在亚马逊图片下载服务（Amazon S3）中的"amazon-reviews-pds"存储桶中，位于AWS美国东部地区。数据文件中的每一行对应一个单独的评价（使用制表符分隔，没有引号和转义字符）。每个数据集包含以下列： marketplace - 评论所在市场的2位字母国家代码。 customer_id - 单个作者撰写评论时可用于聚合评论的随机标识符。 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，可以通过相同的product_id对不同国家中同一产品的评论进行分组。 product_parent - 单个产品的聚合评论可用的随机标识符。 product_title - 产品标题。 product_category - 可用于将评论分组的广义产品类别（也可用于将数据集分成连贯部分）。 star_rating - 评价的1-5星评级。 helpful_votes - 有用投票数。 total_votes - 评价收到的总投票数。 vine - 该评论是作为Vine计划的一部分编写的。 verified_purchase - 该评价是一个经过验证购买的评论。 review_headline - 评价的标题。 review_body - 评论正文。 review_date - 评价编写的日期。

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
总计使用的磁盘空间：2903.00 MB

'train'的示例如下。

{
    "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
总计使用的磁盘空间：2101.03 MB

'train'的示例如下。

{
    "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
总计使用的磁盘空间：1313.70 MB

'train'的示例如下。

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
总计使用的磁盘空间：3311.47 MB

'train'的示例如下。

{
    "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
总计使用的磁盘空间：9934.20 MB

'train'的示例如下。

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

数据字段在所有拆分集中相同。

Apparel_v1_00

marketplace : 字符串特征。
customer_id : 字符串特征。
review_id : 字符串特征。
product_id : 字符串特征。
product_parent : 字符串特征。
product_title : 字符串特征。
product_category : 字符串特征。
star_rating : 整数特征。
helpful_votes : 整数特征。
total_votes : 整数特征。
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 : 字符串特征。
review_body : 字符串特征。
review_date : 字符串特征。

Automotive_v1_00

marketplace : 字符串特征。
customer_id : 字符串特征。
review_id : 字符串特征。
product_id : 字符串特征。
product_parent : 字符串特征。
product_title : 字符串特征。
product_category : 字符串特征。
star_rating : 整数特征。
helpful_votes : 整数特征。
total_votes : 整数特征。
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 : 字符串特征。
review_body : 字符串特征。
review_date : 字符串特征。

Baby_v1_00

marketplace : 字符串特征。
customer_id : 字符串特征。
review_id : 字符串特征。
product_id : 字符串特征。
product_parent : 字符串特征。
product_title : 字符串特征。
product_category : 字符串特征。
star_rating : 整数特征。
helpful_votes : 整数特征。
total_votes : 整数特征。
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 : 字符串特征。
review_body : 字符串特征。
review_date : 字符串特征。

Beauty_v1_00

marketplace : 字符串特征。
customer_id : 字符串特征。
review_id : 字符串特征。
product_id : 字符串特征。
product_parent : 字符串特征。
product_title : 字符串特征。
product_category : 字符串特征。
star_rating : 整数特征。
helpful_votes : 整数特征。
total_votes : 整数特征。
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 : 字符串特征。
review_body : 字符串特征。
review_date : 字符串特征。

Books_v1_00

marketplace : 字符串特征。
customer_id : 字符串特征。
review_id : 字符串特征。
product_id : 字符串特征。
product_parent : 字符串特征。
product_title : 字符串特征。
product_category : 字符串特征。
star_rating : 整数特征。
helpful_votes : 整数特征。
total_votes : 整数特征。
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 : 字符串特征。
review_body : 字符串特征。
review_date : 字符串特征。

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

策划理由

More Information Needed

来源数据

初始数据收集和规范化

More Information Needed

谁是源语言的生产者？

More Information Needed

注释

注释过程

More Information Needed

谁是标注者？

More Information Needed

个人和敏感信息

More Information Needed

使用数据时的注意事项

其他信息

数据集策划者

More Information Needed

许可信息

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

访问亚马逊客户评论库（"Reviews Library"）即表示您同意该评价库是一个亚马逊服务，受制于 Amazon.com Conditions of Use ，您同意遵守这些服务条款，并遵守以下额外条件：

除了根据使用条件授予的许可权，在学术研究目的下，亚马逊或其内容提供方向您授予有限非排他性、不可转让、不可再许可、可撤销的访问和使用评论库的许可。您不得转售、再发布评论库或其内容，包括将评论库用于商业用途的任何商业研究，如与获得资助或咨询合同、实习或其他获得报酬的组织交付结果有关的研究。您不得（a）将评论库中的内容与任何个人信息（包括亚马逊客户帐户）进行链接或关联，或（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，但不影响亚马逊可能拥有的任何其他权利或救济措施。

引用信息

没有引用信息。

贡献

感谢 @joeddav 添加此数据集。

作者:

polinaeterna

数据集大小:

257.56 KB

"amazon_us_reviews" 数据集卡片

数据集概述

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

策划理由

来源数据

注释

个人和敏感信息

使用数据时的注意事项

数据的社会影响

偏见讨论

其他已知限制

其他信息

数据集策划者

许可信息

引用信息

贡献