Yandex pubblica il dataset Yambda per i sistemi di raccomandazione

Yandex ha annunciato Yambda, un nuovo dataset che include circa 5 miliardi di interazioni utente anonimizzate sulla piattaforma di streaming musicale Yandex Music. Questo dataset si distingue come il più grande set di dati di attività open source al mondo nel campo dei sistemi di raccomandazione.

Yambda contiene interazioni come ascolti, like e dislike raccolte nell'arco di 10 mesi. I dati vengono presentati insieme a timestamp, embedding audio e informazioni sulla scoperta organica, consentendo di testare gli algoritmi di raccomandazione in condizioni reali. I dettagli relativi a 1 milione di utenti anonimizzati e 9,3 milioni di brani musicali offrono una risorsa critica per chi sviluppa modelli di raccomandazione in settori come l'e-commerce, i social media e le piattaforme di video brevi.

Yandex ha reso Yambda accessibile tramite Hugging Face in tre diverse dimensioni (50M, 500M e 5B di eventi). Il dataset è presentato in formato Apache Parquet ed è compatibile con sistemi come Spark, Hadoop e Pandas.

Nikolai Savushkin, responsabile dei sistemi di raccomandazione di Yandex, afferma che Yambda unisce sia il mondo accademico che quello industriale e accelererà l'innovazione nei sistemi di raccomandazione.