Yandex veröffentlicht Yambda-Datensatz für Empfehlungssysteme

Yandex hat den neuen Datensatz Yambda angekündigt, der rund 5 Milliarden anonymisierte Nutzerinteraktionen von der Musik-Streaming-Plattform Yandex Music umfasst. Dieser Datensatz gilt als einer der weltweit größten Open-Source-Datensätze für Aktivitäten im Bereich der Empfehlungssysteme.

Yambda enthält Interaktionen wie Anhören, Liken und Disliken, die über einen Zeitraum von 10 Monaten gesammelt wurden. Die Daten werden zusammen mit Zeitstempeln, Audio-Embeddings und Informationen zur organischen Entdeckung bereitgestellt, was es ermöglicht, Empfehlungsalgorithmen unter realen Bedingungen zu testen. Die Details zu 1 Million anonymisierten Nutzern und 9,3 Millionen Musiktiteln bieten eine kritische Ressource für Entwickler von Empfehlungsmodellen, insbesondere in Bereichen wie E-Commerce, sozialen Medien und Kurzvideoplattformen.

Yandex hat Yambda in drei verschiedenen Größen (50 Mio., 500 Mio. und 5 Mrd. Ereignisse) über Hugging Face zugänglich gemacht. Der Datensatz wird im Apache-Parquet-Format bereitgestellt und ist mit Systemen wie Spark, Hadoop und Pandas kompatibel.

Nikolai Savushkin, Leiter der Abteilung für Empfehlungssysteme bei Yandex, erklärt, dass Yambda sowohl die Wissenschaft als auch die Industrie zusammenbringe und die Innovation bei Empfehlungssystemen beschleunigen werde.

Nachrichtenquelle: 12punto