Dataset Download

方法2：直接下载 ZIP 文件

cd data

# MovielensLatest_x1
curl -L -o MovielensLatest_x1.zip \
  "https://huggingface.co/datasets/reczoo/MovielensLatest_x1/resolve/main/MovielensLatest_x1.zip"
unzip -q MovielensLatest_x1.zip -d MovielensLatest_x1

# Frappe_x1
curl -L -o Frappe_x1.zip \
  "https://huggingface.co/datasets/reczoo/Frappe_x1/resolve/main/Frappe_x1.zip"
unzip -q Frappe_x1.zip -d Frappe_x1

# TaobaoAd_x1（较大，约2.3GB）
curl -L -o TaobaoAd_x1.zip \
  "https://huggingface.co/datasets/reczoo/TaobaoAd_x1/resolve/main/TaobaoAd_x1.zip?download=true"
unzip -q TaobaoAd_x1.zip -d TaobaoAd_x1

# KuaiVideo_x1（较大）
curl -L -o KuaiVideo_x1.zip \
  "https://huggingface.co/datasets/reczoo/KuaiVideo_x1/resolve/main/KuaiVideo_x1.zip?download=true"
unzip -q KuaiVideo_x1.zip -d KuaiVideo_x1

方法3：Python 脚本下载

from huggingface_hub import hf_hub_download
import os

def download_dataset(repo_id, local_dir, files=None):
    """下载数据集
    
    Args:
        repo_id: HuggingFace 仓库ID，如 "reczoo/MovielensLatest_x1"
        local_dir: 本地保存目录
        files: 指定文件列表，None则下载所有
    """
    os.makedirs(local_dir, exist_ok=True)
    
    if files is None:
        # 默认下载 train/valid/test
        files = ["train.csv", "valid.csv", "test.csv"]
    
    for filename in files:
        print(f"Downloading {filename}...")
        hf_hub_download(
            repo_id=repo_id,
            filename=filename,
            local_dir=local_dir,
            local_dir_use_symlinks=False
        )

# 使用示例
download_dataset("reczoo/MovielensLatest_x1", "data/MovielensLatest_x1")
download_dataset("reczoo/Frappe_x1", "data/Frappe_x1")
download_dataset("reczoo/TaobaoAd_x1", "data/TaobaoAd_x1")

数据集结构

下载完成后，每个数据集应包含：

data/
├── MovielensLatest_x1/
│   ├── train.csv      # 训练集
│   ├── valid.csv      # 验证集
│   └── test.csv       # 测试集
├── Frappe_x1/
│   ├── train.csv
│   ├── valid.csv
│   └── test.csv
├── TaobaoAd_x1/
│   ├── train.csv
│   ├── valid.csv
│   └── test.csv
└── KuaiVideo_x1/
    ├── train.csv
    ├── test.csv
    └── item_visual_emb_dim64.h5  # 预训练视觉嵌入

验证下载

# 检查文件完整性
ls -la data/MovielensLatest_x1/

# 查看样本数量
wc -l data/MovielensLatest_x1/*.csv

# 查看数据格式（列名）
head -1 data/MovielensLatest_x1/train.csv

常见问题

Q: 下载速度慢怎么办？

A:

• 使用镜像源或代理
• 对于大文件（如 KuaiVideo），建议直接使用浏览器下载后上传
• 使用 wget 或 aria2 等多线程下载工具

Q: 数据集文件损坏？

A: 检查 MD5 校验值：

md5sum data/KuaiVideo_x1/train.csv
# 应与官方公布的校验值对比

Q: huggingface-cli 命令找不到？

A: 需要安装 huggingface_hub：

pip install huggingface-hub

相关资源

• HuggingFace 数据集主页
• BARS Datasets GitHub
• 数据集统计信息