快手视频推荐系统KuaiRec2.0数据集深度分析报告-包含1253万+用户视频交互记录及多维度用户特征社交网络信息的短视频推荐算法训练数据

# 快手视频推荐系统KuaiRec 2.0数据集深度分析报告

## 引言与背景

在当今数字化时代，短视频平台已经成为人们获取信息、娱乐休闲和社交互动的重要渠道。视频推荐系统作为短视频平台的核心技术，直接影响用户体验和平台活跃度。然而，高质量的推荐算法需要大规模、多维度的真实用户行为数据作为支撑。KuaiRec 2.0数据集正是为满足这一需求而构建的大规模视频推荐系统数据集，旨在为推荐算法研究和开发提供可靠的数据基础。

本数据集由快手公司发布，包含了丰富的用户-视频交互记录、用户特征、视频分类信息、社交网络关系以及视频每日特征等多维度数据。数据集涵盖了约1253万条用户观看记录（big_matrix.csv）、467万条精选交互记录（small_matrix.csv）、7176个用户特征、10728个视频分类、472条社交关系以及34万条视频每日特征，为推荐系统研究提供了全面的数据支持。这些数据不仅可以用于训练和评估推荐算法，还可以用于分析用户行为模式、社交网络影响力以及视频传播规律等研究方向。

## 数据基本信息

### 数据字段说明

#### 用户特征表（user_features.csv）

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| user_id | 整数 | 用户唯一标识 | 0, 1, 2, 3, 4, 5, 6, 7, 8 | 100% |
| user_active_degree | 字符串 | 用户活跃度等级 | high_active, full_active, middle_active, UNKNOWN | 100% |
| is_lowactive_period | 整数 | 是否处于低活跃期 | 0, 1 | 100% |
| is_live_streamer | 整数 | 是否为直播主播 | 0, 1 | 100% |
| is_video_author | 整数 | 是否为视频创作者 | 0, 1 | 100% |
| follow_user_num | 整数 | 关注用户数量 | 5, 386, 27, 16, 122 | 100% |
| follow_user_num_range | 字符串 | 关注用户数量范围 | (0,10], (250,500], (10,50], (50,100] | 100% |
| fans_user_num | 整数 | 粉丝数量 | 0, 4, 1 | 100% |
| fans_user_num_range | 字符串 | 粉丝数量范围 | 0, [1,10) | 100% |
| friend_user_num | 整数 | 好友数量 | 0, 2, 1 | 100% |
| friend_user_num_range | 字符串 | 好友数量范围 | 0, [1,5) | 100% |
| register_days | 整数 | 注册天数 | 107, 327, 116, 105, 225 | 100% |
| register_days_range | 字符串 | 注册天数范围 | 61-90, 181-365, 91-180, 31-60, 730+ | 100% |
| onehot_feat0~17 | 整数 | 独热编码特征 | 0, 1, 2, 3, 6, 8, 16, 17, 18 | 100% |

#### 用户-视频交互记录表（small_matrix.csv / big_matrix.csv）

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| user_id | 整数 | 用户唯一标识 | 14, 14, 14, 14, 14 | 100% |
| video_id | 整数 | 视频唯一标识 | 148, 183, 3649, 5262, 8234 | 100% |
| play_duration | 整数 | 播放时长（毫秒） | 4381, 11635, 22422, 4479, 4602 | 100% |
| video_duration | 整数 | 视频总时长（毫秒） | 6067, 6100, 10867, 7908, 11000 | 100% |
| time | 字符串 | 播放时间戳 | 2020-07-05 05:27:48.378 | 100% |
| date | 浮点数 | 日期 | 20200705.0 | 100% |
| timestamp | 浮点数 | Unix时间戳 | 1593898068.378 | 100% |
| watch_ratio | 浮点数 | 观看比例 | 0.722, 1.907, 2.063, 0.566, 0.418 | 100% |

#### 视频分类表（item_categories.csv）

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| video_id | 整数 | 视频唯一标识 | 0, 1, 2, 3, 4, 5, 6, 7, 8 | 100% |
| feat | 字符串 | 视频分类标签列表 | [8], [27, 9], [9], [26], [5] | 100% |

#### 社交网络表（social_network.csv）

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| user_id | 整数 | 用户唯一标识 | 3371, 24, 4402, 4295, 7087 | 100% |
| friend_list | 字符串 | 好友ID列表 | [2975], [2665], [38], [4694], [7117] | 100% |

#### 视频每日特征表（item_daily_features.csv）

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| video_id | 整数 | 视频唯一标识 | 0, 0, 0, 0, 0 | 100% |
| date | 整数 | 日期 | 20200705, 20200706, 20200707 | 100% |
| author_id | 整数 | 创作者ID | 3309, 3309, 3309, 3309, 3309 | 100% |
| video_type | 字符串 | 视频类型 | NORMAL | 100% |
| upload_dt | 字符串 | 上传日期 | 2020-03-30 | 100% |
| upload_type | 字符串 | 上传类型 | ShortImport | 100% |
| visible_status | 字符串 | 可见状态 | public | 100% |
| video_duration | 浮点数 | 视频时长（毫秒） | 5966.0 | 100% |
| video_width | 整数 | 视频宽度（像素） | 720 | 100% |
| video_height | 整数 | 视频高度（像素） | 1280 | 100% |
| music_id | 整数 | 背景音乐ID | 3350323409 | 100% |
| video_tag_id | 整数 | 视频标签ID | 841 | 100% |
| video_tag_name | 字符串 | 视频标签名称 | 建筑 | 100% |
| show_cnt | 整数 | 曝光次数 | 14665, 10883, 7842, 8916, 8502 | 100% |
| show_user_num | 整数 | 曝光用户数 | 11372, 8513, 6281, 7229, 6658 | 100% |
| play_cnt | 整数 | 播放次数 | 10141, 7321, 4757, 5172, 5392 | 100% |
| play_user_num | 整数 | 播放用户数 | 7485, 5490, 3724, 3961, 3946 | 100% |
| play_duration | 整数 | 总播放时长 | 88729488, 64264607, 41338741 | 100% |
| complete_play_cnt | 整数 | 完整播放次数 | 5657, 4162, 2734, 2950, 3058 | 100% |
| complete_play_user_num | 整数 | 完整播放用户数 | 4834, 3522, 2403, 2525, 2566 | 100% |
| like_cnt | 整数 | 点赞次数 | 573, 302, 205, 297, 307 | 100% |
| comment_cnt | 整数 | 评论次数 | 11, 7, 4, 4, 5 | 100% |
| follow_cnt | 整数 | 关注次数 | 284, 201, 131, 179, 186 | 100% |
| share_cnt | 整数 | 分享次数 | 2, 1, 1, 2, 0 | 100% |
| download_cnt | 整数 | 下载次数 | 8, 2, 2, 3, 2 | 100% |

### 数据分布情况

#### 用户活跃度分布

| 活跃度等级 | 用户数量 | 占比 |
|-----------|---------|------|
| full_active | 6092 | 84.9% |
| high_active | 938 | 13.1% |
| UNKNOWN | 118 | 1.6% |
| middle_active | 28 | 0.4% |

#### 注册天数分布

| 注册天数范围 | 用户数量 | 占比 |
|-------------|---------|------|
| 181-365天 | 3123 | 43.5% |
| 91-180天 | 1684 | 23.5% |
| 31-60天 | 695 | 9.7% |
| 730+天 | 572 | 8.0% |
| 366-730天 | 545 | 7.6% |
| 61-90天 | 494 | 6.9% |
| 15-30天 | 63 | 0.9% |

#### 关注用户数量分布

| 关注数量范围 | 用户数量 | 占比 |
|-------------|---------|------|
| (10,50] | 2202 | 30.7% |
| (0,10] | 1939 | 27.0% |
| (50,100] | 890 | 12.4% |
| 500+ | 772 | 10.8% |
| (150,250] | 472 | 6.6% |
| (250,500] | 457 | 6.4% |
| (100,150] | 430 | 6.0% |
| 0 | 14 | 0.2% |

#### 数据集规模汇总

| 数据表 | 记录数 |
|-------|-------|
| big_matrix.csv | 12,530,806 |
| small_matrix.csv | 4,676,570 |
| user_features.csv | 7,176 |
| item_categories.csv | 10,728 |
| social_network.csv | 472 |
| item_daily_features.csv | 343,341 |

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|---------|---------|---------|
| 超大规模交互数据 | 包含1253万+条用户-视频交互记录，覆盖7000+用户和10000+视频 | 可用于训练大规模推荐模型，提高模型泛化能力 |
| 双矩阵数据设计 | 同时提供big_matrix（全量数据）和small_matrix（精选数据） | 支持不同规模的实验需求，兼顾效率与完整性 |
| 多维度特征 | 用户特征包含活跃度、社交关系、注册时间等18+维度；视频特征包含分类、时长、尺寸、音乐等 | 支持多模态推荐算法研究，提升推荐精度 |
| 时间序列数据 | 视频每日特征包含34万+条记录，覆盖多日数据变化 | 可用于研究视频生命周期、热度变化规律 |
| 社交网络信息 | 包含用户社交关系数据，支持社交推荐研究 | 可用于社交推荐算法、影响力传播分析 |
| 细粒度交互行为 | 记录播放时长、观看比例等细粒度行为数据 | 可用于深度分析用户兴趣偏好，优化推荐策略 |

## 数据样例

### 用户特征样例

csv
user_id,user_active_degree,is_lowactive_period,is_live_streamer,is_video_author,follow_user_num,follow_user_num_range,fans_user_num,fans_user_num_range,friend_user_num,friend_user_num_range,register_days,register_days_range,onehot_feat0,onehot_feat1,onehot_feat2,onehot_feat3,onehot_feat4,onehot_feat5,onehot_feat6,onehot_feat7,onehot_feat8,onehot_feat9,onehot_feat10,onehot_feat11,onehot_feat12,onehot_feat13,onehot_feat14,onehot_feat15,onehot_feat16,onehot_feat17
0,high_active,0,0,0,5,"(0,10]",0,0,0,0,107,61-90,0,1,17,638,2,0,1,6,184,6,3,0,0,0,0,0,0,0
1,full_active,0,0,0,386,"(250,500]",4,"[1,10)",2,"[1,5)",327,181-365,0,3,25,1021,0,0,1,6,186,6,2,0,0,0,0,0,0,0
2,full_active,0,0,0,27,"(10,50]",0,0,0,0,116,91-180,0,6,8,402,0,0,0,2,51,2,3,0,0,0,0,0,0,0
3,full_active,0,0,0,16,"(10,50]",0,0,0,0,105,61-90,0,1,8,281,0,0,0,34,251,3,2,0,0,0,0,0,0,0
4,full_active,0,0,0,122,"(100,150]",4,"[1,10)",0,0,225,181-365,0,1,8,316,1,0,1,46,99,4,2,0,0,0,0,0,0,0
5,full_active,0,0,0,17,"(10,50]",0,0,0,0,376,181-365,1,1,8,159,0,0,0,18,72,6,0,0,0,0,0,0,0
6,full_active,0,0,0,330,"(250,500]",1,"[1,10)",1,"[1,5)",172,181-365,0,1,17,664,1,0,1,16,237,3,3,0,0,0,0,0,0,0
7,full_active,0,0,0,6,"(0,10]",0,0,0,0,141,91-180,0,1,25,1003,0,0,1,0,312,6,3,0,1,0,0,0,0,0
8,high_active,0,0,0,5,"(0,10]",0,0,0,0,353,181-365,0,1,1,453,2,0,0,36,68,1,0,2,0,1,0,0,0,0
9,full_active,0,0,0,19,"(10,50]",0,0,0,0,269,181-365,0,1,17,649,0,0,1,6,216,3,3,0,0,0,0,0,0,0

### 用户-视频交互记录样例

csv
user_id,video_id,play_duration,video_duration,time,date,timestamp,watch_ratio
14,148,4381,6067,2020-07-05 05:27:48.378,20200705.0,1593898068.378,0.7221031811438932
14,183,11635,6100,2020-07-05 05:28:00.057,20200705.0,1593898080.057,1.907377049180328
14,3649,22422,10867,2020-07-05 05:29:09.479,20200705.0,1593898149.479,2.063310941382166
14,5262,4479,7908,2020-07-05 05:30:43.285,20200705.0,1593898243.285,0.5663884673748103
14,8234,4602,11000,2020-07-05 05:35:43.459,20200705.0,1593898543.459,0.4183636363636364
14,6789,8607,13267,2020-07-05 05:36:00.773,20200705.0,1593898560.773,0.6487525439059321
14,1963,8613,9590,2020-07-05 05:36:47.741,20200705.0,1593898607.741,0.8981230448383734
14,175,11640,46514,2020-07-05 05:49:27.965,20200705.0,1593899367.965,0.250247237390893
14,1973,4572,7400,2020-07-05 05:49:41.762,20200705.0,1593899381.762,0.6178378378378379
14,5118,4579,6387,2020-07-05 05:49:53.471,20200705.0,1593899393.471,0.7169250039142008

### 视频分类样例

csv
video_id,feat
0,[8]
1,"[27, 9]"
2,[9]
3,[26]
4,[5]
5,[6]
6,[19]
7,[8]
8,[12]
9,[26]

### 社交网络样例

csv
user_id,friend_list
3371,[2975]
24,[2665]
4402,[38]
4295,[4694]
7087,[7117]
3981,[3937]
676,[5626]
6509,[2257]
5119,[6845]
3747,[1105]

### 视频每日特征样例

csv
video_id,date,author_id,video_type,upload_dt,upload_type,visible_status,video_duration,video_width,video_height,music_id,video_tag_id,video_tag_name,show_cnt,show_user_num,play_cnt,play_user_num,play_duration,complete_play_cnt,complete_play_user_num,valid_play_cnt,valid_play_user_num,long_time_play_cnt,long_time_play_user_num,short_time_play_cnt,short_time_play_user_num,play_progress,comment_stay_duration,like_cnt,like_user_num,click_like_cnt,double_click_cnt,cancel_like_cnt,cancel_like_user_num,comment_cnt,comment_user_num,direct_comment_cnt,reply_comment_cnt,delete_comment_cnt,delete_comment_user_num,comment_like_cnt,comment_like_user_num,follow_cnt,follow_user_num,cancel_follow_cnt,cancel_follow_user_num,share_cnt,share_user_num,download_cnt,download_user_num,report_cnt,report_user_num,reduce_similar_cnt,reduce_similar_user_num,collect_cnt,collect_user_num,cancel_collect_cnt,cancel_collect_user_num
0,20200705,3309,NORMAL,2020-03-30,ShortImport,public,5966.0,720,1280,3350323409,841,建筑,14665,11372,10141,7485,88729488,5657,4834,5503,4775,5503,4775,1939,1481,0.7998600086607257,6629173,573,569,315,257,87,85,11,11,8,3,0,0,112,61,284,284,0,0,2,2,8,8,0,0,3,3,,,,
0,20200706,3309,NORMAL,2020-03-30,ShortImport,public,5966.0,720,1280,3350323409,841,建筑,10883,8513,7321,5490,64264607,4162,3522,4039,3468,4039,3468,1340,1040,0.8052530649367682,3997498,302,301,159,142,47,47,7,7,6,1,0,0,60,32,201,200,0,0,1,1,2,2,0,0,5,5,,,,
0,20200707,3309,NORMAL,2020-03-30,ShortImport,public,5966.0,720,1280,3350323409,841,建筑,7842,6281,4757,3724,41338741,2734,2403,2640,2376,2640,2376,866,683,0.808821205114609,3314323,205,205,121,84,52,50,4,3,3,1,0,0,59,26,131,131,0,0,1,1,2,2,0,0,0,0,,,,

## 应用场景

### 推荐算法模型训练

KuaiRec 2.0数据集为推荐算法研究提供了丰富的训练数据。研究人员可以利用1253万+条用户-视频交互记录训练协同过滤模型、矩阵分解模型、深度学习推荐模型等。数据集包含用户活跃度、关注关系、注册时间等多维度特征，可以支持特征工程和多模态推荐算法研究。通过分析用户观看比例、播放时长等细粒度行为数据，可以更准确地捕捉用户兴趣偏好，提升推荐精度。此外，视频每日特征数据可以用于训练时间序列推荐模型，实现动态推荐策略调整。

### 用户行为分析与兴趣建模

数据集提供了用户的多维度行为数据，包括关注数量、粉丝数量、好友数量等社交特征，以及活跃度等级、注册天数等用户画像信息。研究人员可以基于这些数据进行用户行为分析，构建用户兴趣模型。例如，通过分析不同活跃度用户的观看行为差异，可以识别高价值用户群体；通过分析用户的关注网络，可以发现用户的社交兴趣偏好；通过分析用户的观看比例分布，可以了解用户对不同类型视频的接受程度。这些分析结果可以为平台运营策略制定提供数据支撑。

### 社交推荐算法研究

社交网络数据是KuaiRec 2.0数据集的重要组成部分，包含472条用户社交关系记录。研究人员可以利用这些数据研究社交推荐算法，探索社交关系对用户推荐行为的影响。例如，可以构建基于社交网络的推荐模型，将好友的观看行为作为推荐依据；可以分析社交网络中的信息传播规律，研究热点视频的传播路径；可以识别社交网络中的意见领袖，为精准营销提供支持。社交推荐算法可以有效提升推荐的多样性和新颖性，增强用户体验。

### 视频内容分析与传播规律研究

视频每日特征数据包含了视频的曝光次数、播放次数、点赞次数、评论次数、分享次数等多维度统计信息，覆盖了视频从发布到传播的全过程。研究人员可以利用这些数据分析视频内容的传播规律，识别影响视频传播的关键因素。例如，可以分析不同类型视频的传播曲线，了解各类视频的生命周期特征；可以研究视频的点赞率、评论率、分享率等指标与视频特征之间的关系，优化内容创作策略；可以预测视频的热度走势，为内容运营提供决策支持。这些分析结果可以帮助平台更好地理解用户偏好，优化内容推荐策略。

## 结尾

KuaiRec 2.0数据集是一个大规模、多维度的视频推荐系统数据集，为推荐算法研究和开发提供了全面的数据支持。数据集包含1253万+条用户-视频交互记录、7176个用户特征、10728个视频分类、472条社交关系以及34万条视频每日特征，覆盖了用户行为、社交网络、视频内容等多个维度。

该数据集的核心优势在于其超大规模的交互数据、双矩阵数据设计、多维度的特征信息、完整的时间序列数据以及丰富的社交网络数据。这些数据不仅可以用于训练和评估推荐算法，还可以用于用户行为分析、社交推荐研究、视频传播规律分析等多个研究方向。

KuaiRec 2.0数据集为推荐系统领域的研究提供了宝贵的数据资源，有望推动推荐算法的发展和创新。研究人员可以基于该数据集开展深入的研究工作，为短视频平台的推荐系统优化提供理论和实践支持。