2026年Tenrec大規模多用途推薦系統基準資料集解析：5百萬用戶、1.4億互動與4場景

為什麼你需要更接近真實的推薦系統基準資料集？

很多人做推薦系統研究時，第一個想到的是規模較小、只包含單一正向回饋的資料集。這類資料集不是不能用，而是模型在真實系統中的實用價值容易被打折扣。

Tenrec 的出現，就是為了補上這個落差。它公開收錄大規模、多場景、多種使用者回饋，讓推薦模型有更接近真實環境的評測基礎。

Tenrec 是什麼？

Tenrec 是一款公開的大規模多用途推薦系統基準資料集，來自論文《Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems》，發表於 NeurIPS 2022 Datasets and Benchmarks Track。

它從騰訊兩個不同的 feeds 推薦應用中收集資料，涵蓋四個推薦場景。對需要大規模、多場景、可重現實驗的人來說，這是一個值得先認識的選擇。

Tenrec 的五個核心特色

1. 大規模：約 500 萬使用者、1.4 億筆互動，規模遠超許多常見基準資料集。
2. 正負回饋都有：不只正向回饋，也包含真實負向回饋，不像單類別推薦資料集那樣只有一種訊號。
3. 跨場景重疊：四個不同場景之間有重疊的使用者與物品，可用來研究跨域與遷移。
4. 多種正向回饋：包含點擊、按讚、分享、追蹤等形式，更接近真實產品中的多元互動。
5. 額外特徵：除了 user ID 和 item ID，還包含其他特徵；來源中也提到 read_time 等閱讀時長資訊。

Tenrec 的四個推薦場景

Tenrec 的資料來自騰訊兩個不同 feeds 推薦應用，總共涵蓋四個推薦場景。

來源中提到其中一個場景是 QK-video；基於公開摘要，生產系統名稱已被匿名化，其餘場景名稱與細節應以論文和官方資料頁為準。

這種跨場景設計，讓同一個資料集能支援更多元的推薦任務，而不是只服務單一應用。

Tenrec 可以拿來評測哪些任務？

來源指出 Tenrec 可以用來 benchmark 十項多樣化推薦任務，並涵蓋多數常見推薦場景。

其中 cold start 是推薦系統裡重要且尚未完全解決的挑戰，Tenrec 的資料規模與額外特徵，適合用來做這類研究。

它釋出資料集與程式碼，目標是促進可重現性，並推進新的推薦研究。

誰適合使用 Tenrec？

• 推薦系統研究者：需要大規模、多場景、多種回饋的公開基準。
• 學生與實驗團隊：想用真實資料驗證模型，而不是只跑玩具資料集。
• 需要可重現實驗的人：Tenrec 提供公開資料與程式碼，方便對照論文結果。
• 研究跨域推薦的人：四個場景有重疊使用者與物品，適合延伸跨場景題目。

如何取得 Tenrec 與引用方式？

Tenrec 是公開資料集，來源提到資料集與程式碼都已釋出，可在 arXiv、OpenReview 與 NeurIPS 2022 proceedings 找到相關資訊。

官方資料頁為 https://tenrec0.github.io/，arXiv 頁面為 https://arxiv.org/abs/2210.10629。

若用於研究，來源提供的引用格式是：

@article{yuan2022tenrec, title={Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems}, author={Yuan, Guanghu and Yuan, Fajie and Li, Yudong and Kong, Beibei and Li, Shujie and Chen, Lei and Yang, Min and Yu, Chenyun and Hu, Bo and Li, Zang and others}, journal={arXiv preprint arXiv:2210.10629}, year={2022} }

使用 Tenrec 前，這 4 件事要知道

1. 先讀論文再下載：四個場景、特徵欄位與任務切分方式，都要以論文定義為準。
2. 注意生產系統匿名化：來源說明兩個生產系統名稱已匿名化，不要自行推測或宣稱對應平台。
3. 遵守資料授權與引用要求：公開資料不等於可無限制使用，還是要看官方授權與引用規範。
4. 不要只看規模：大規模是優點，但場景、回饋型態與特徵設計，才是決定它適不適合你題目的關鍵。

常見問題

Tenrec 是推薦系統工具嗎？

不是。Tenrec 是公開的推薦系統基準資料集，主要用途是訓練與評測推薦模型，而不是一套拿來直接操作的功能工具。

Tenrec 只有正向回饋嗎？

不是。來源明確提到它包含真實負向回饋，也包含點擊、按讚、分享、追蹤等多種正向回饋。

Tenrec 適合做 cold start 研究嗎？

來源將 cold start 列為重要且尚未解決的挑戰，Tenrec 的規模與額外特徵適合用來進行相關實驗。

Tenrec 可以用在商業產品嗎？

需以官方授權與使用條款為準。公開學術資料集通常有引用與使用範圍要求，使用前應詳閱說明。

總結

Tenrec 是目前推薦系統領域中，少見同時具備大規模、多場景與正負回饋的公開基準資料集。

如果你正在找一個能支撐十項多樣化推薦任務、又方便做可重現研究的資料集，Tenrec 值得先從論文與官方資料頁開始了解。

整體來說，它不是拿來「試用」的工具，而是拿來「驗證推薦模型」的基礎建設。

參考來源

• 2210.10629 Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems
• Tenrec
• Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems
• Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems | OpenReview
• (PDF) Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems