2026年版おすすめレコメンドシステムベンチマークデータセット4種実測比較：Tenrecの規模と実際のネガティブフィードバック設計はどこが優れているのか？

論文のモデルが美しい数値を出しても、実際の製品に移すと性能が落ちる。この経験は一度や二度ではありません。

問題は通常モデルではなく、手元にあるデータセットにあります。MovieLensが与えるのは評価、Amazonが与えるのはレビュー、MINDが与えるのはニュースクリックであり、それらの多くは「一種類」のユーザーフィードバック形態しか持っていません。

Tenrecはまさにこの問題に取り組むために生まれました。テンセントの2つの情報フィードレコメンドアプリの実行動データであり、4つのレコメンドシーンをカバーし、データとコードを公開しており、2022年にarXiv（番号2210.10629）で発表されました。

先に明確にしておきます。本記事は4つのデータセットをそれぞれ一度ベンチマーク実行したスコア実測ではなく、仕様を並べて対照するものです。データセット選びでは、スコアを見るよりも仕様を見る方が通常は時間の節約になります。

Tenrecと一般的なレコメンドシステムデータセット｜クイック概要

Tenrecはテンセントの情報フィード製品における実ユーザー行動の集合であり、1つのデータで4つのレコメンドシーンを同時に収録しています。

MovieLensは学術界で最も一般的な評価データセット、Amazon ReviewsはEコマースレビューデータ、MINDはMicrosoftが公開したニュースレコメンドクリックデータです。

これらの違いを簡単に下表にまとめます：

項目	Tenrec	MovieLens	Amazon Reviews	MIND
核心的な位置づけ	マルチシーン・多形態フィードバックの実行動	評価予測と協調フィルタリング	Eコマースレビューとカテゴリレコメンド	ニュースレコメンドとクリック予測
シーン数	4つ	単一の映画評価が中心	多カテゴリだが単一タスク	ニュース単一シーン
ポジティブフィードバック形態	クリック、いいね、シェア、フォローなど	評価	評価とレビュー	クリック
実際のネガティブフィードバック	あり	なし	なし	なし
規模	約500万人のユーザー、1.4億回のインタラクション	比較的小さい	バージョンによる	中程度

次に5つの次元から項目ごとに対照します。各次元はすべて同じ問いに通じています。すなわち、このデータセットはあなたが本当に解きたい課題を測定できるのか、ということです。

次元1｜規模とシーンカバレッジ：小規模データセットでは実際のシステムの欠陥を測定できない

MovieLensのような評価データセットの利点はクリーンで扱いやすく、実験1回が数分で終わることです。代償は規模がやや小さく、単一の評価行動しかないことです。

このようなデータセットで良い性能を示すモデルは、実際の大規模システムに適用すると参考価値を失うことがよくあります。これはTenrec論文が冒頭で直接指摘している問題です。

Tenrecの規模は約500万人のユーザー、1.4億回のインタラクションであり、さらに4つの異なるレコメンドシーンに分かれており、その中には動画と画像・テキストの2つの情報フィードが含まれます。

論文著者によれば、Tenrecは現在レコメンドシステム分野で最も大きなデータセットの一つであり、大多数のレコメンドシーンとタスクをカバーしています。

→ 本次元：Tenrecの勝ち。実際の規模でのモデル性能を検証するには、小規模な評価データセットよりも説得力があります。

次元2｜実際のネガティブフィードバック：正サンプルだけの評価は、目を閉じてランキングを調整するようなもの

ほとんどのレコメンドデータセットにはポジティブ信号しかありません。手に入るのは「ユーザーが何を好んだか」の山であり、「ユーザーが明確に何を望まないか」はありません。

これによりモデルは単一クラス（one-class）設定でしか訓練できず、評価時にはどちらが上位にランクされるかしか比較できず、本当に好みを区別できるかを判断できません。

Tenrecは実際のネガティブフィードバック（true negative feedback）を明確に収録しています。これはMovieLensやMINDとの最も実質的な違いの一つです。

ランキングモデルを作る人にとって、この違いは実用的です。同じデータに正サンプルと負サンプルが同時にあることで、モデルの良し悪しの識別力が意味を持ちます。

→ 本次元：Tenrecの勝ち、しかも差は明確です。

次元3｜シーン間で重複するユーザーとアイテム：クロスドメインレコメンドを本当に測定できるか

クロスドメインレコメンド（cross-domain recommendation）はここ数年人気ですが、ほとんどのデータセットにはそもそも「クロスドメイン」がありません。シーンが1つしかなければ、どこへクロスするのでしょうか？

Amazon Reviewsはカテゴリが多いものの、性質はマルチタスクに近く、同じユーザー群が異なる製品シーン間で行動を遷移させるものではありません。

Tenrecの4つのシーン間には重複するユーザーとアイテムが存在します。つまり、同じ人が異なるシーンで行動記録を持っており、これこそがクロスドメインレコメンド、マルチタスク学習、生涯学習といった課題に必要な構造です。

→ 本次元：Tenrecの勝ち。シーン間研究を行うなら、現時点でほぼ最も直接的な選択肢です。

次元4｜ポジティブフィードバックの種類：クリック、いいね、シェア、フォローは同じものではない

多くのデータセットは「クリックがある」ことを「好き」と見なします。しかし実際の製品では、クリックして入ることといいね、シェアすることでは、表す強度が全く異なります。

MINDのようなクリックデータセットはこの点で不利です。露出とクリックの2種類の信号しかありません。

Tenrecはクリック、いいね、シェア、フォローなど複数のポジティブフィードバック形態を記録しています。これによりできることが増えます。異なるフィードバックをマルチタスク目標として扱う、フィードバック強度の重み付けを行う、弱い信号から強い信号への転化を研究する、などです。

注意すべきは、異なるフィードバック形態のデータ量はもともと不均衡であり、クリックはシェアよりはるかに多いため、モデリング時にサンプル不均衡を自分で処理する必要があることです。

→ 本次元：Tenrecの勝ち。ただし各フィードバックの分布を先に確認しましょう。

次元5｜特徴量フィールドと再現性：追加特徴量がなければ、モデルはembeddingしか比較できない

MovieLensが与えるフィールドは基本的にユーザーID、アイテムID、評価、タイムスタンプです。モデルで試せるのはembedding次元とネットワーク構造だけです。

TenrecはユーザーIDとアイテムIDに加えて、追加の特徴量フィールドも含んでおり、特徴量エンジニアリングや特徴量交互作用の研究に比較的適しています。

再現性の面では、Tenrec論文はすべてのデータセットとコードが公開済みであり、標準引用形式を提供し、複数のコミュニティ実装も参考にできると述べています。

特筆すべきは、論文が2つの本番システムの名称を匿名化処理していると述べている点です。研究上名称を知る必要がある場合は、論文の説明に従って著者に連絡できます。

→ 本次元：Tenrecの勝ち。

それぞれにどんな独自の強みがあるか？

Tenrecの強みはおおよそ次の点に集約されます：

第一に、大規模、マルチシーン、多形態フィードバック、実際のネガティブサンプルを同時に備えた珍しい公開データセットであり、これら4つの条件が揃うのは容易ではありません。

第二に、シーン間で重複するユーザーとアイテムにより、クロスドメインレコメンドやマルチタスク学習の研究を直接支援でき、自分でデータを寄せ集める必要がありません。

第三に、データとコードが同時に公開され、コミュニティ実装も蓄積されているため、実験を再現したい人にとってハードルが低いです。

他のデータセットの強みについても正直に述べるべきです：

MovieLensはクリーンで軽量であり、アイデアの迅速な検証や教育に適し、実験コストが最も低いです。

Amazon ReviewsとMINDはそれぞれの領域（Eコマースレビュー、ニュースクリック）で成熟した評価慣行があり、あなたの課題自体がこれらのシーンに密着しているなら、むしろそれらを使う方が適切です。

まとめ：どのデータセットを選ぶべきか？

あなたの研究がシーン間、クロスドメイン、または生涯学習の実験環境を必要とするなら、Tenrecは現時点で最も完全な選択肢です。

実際のランキング問題を扱い、モデルの識別力を評価するために負サンプルが必要なら、Tenrecの実際のネガティブフィードバック設計は単一クラスデータセットよりもはるかに実用的です。

異なる強度のユーザーフィードバック（クリック vs シェア vs フォロー）を研究したいなら、Tenrecが提供する多形態信号が直接支援します。

協調フィルタリングのアイデアを素早く検証したいだけ、または授業のデモを行いたいだけなら、MovieLensのような軽量データセットが依然として最も手軽です。

一言でまとめると：Tenrecが補っているのは、既存のベンチマークデータセットが長年欠いていたまさにその部分、すなわち規模、シーン数、ネガティブサンプルです。実世界で遭遇するレコメンド問題を研究するなら、あなたのリストの上位に入れる価値があります。

よくある質問

Tenrecは何年に公開されましたか？

論文は2022年にarXivで発表され、番号は2210.10629、著者はGuanghu Yuanら計12人です。

Tenrecのデータはどこから来ていますか？

テンセント傘下の2つの情報フィードレコメンドアプリの実ユーザー行動から来ており、合計4つのレコメンドシーンをカバーしています。論文は2つの本番システムの名称が匿名化処理されていると述べています。

Tenrecはクリックデータだけですか？

いいえ。クリックに加えて、いいね、シェア、フォローなど複数のポジティブフィードバックを含み、実際のネガティブフィードバックも収録しています。

Tenrecの規模はどのくらいですか？

公式説明では約500万人のユーザー、1.4億回のインタラクションであり、論文はレコメンドシステム分野で最も大きなデータセットの一つと述べています。

ライセンスと引用方法は？

論文はデータセットとコードが公開されていると述べており、使用時には原論文を引用すべきです。標準引用はYuan, Guanghuらの《Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems》、arXiv preprint arXiv:2210.10629, 2022です。

Tenrecはどのような研究テーマに適していますか？

論文と公式説明によれば、協調フィルタリング、クロスドメインレコメンド、マルチタスク学習、生涯学習など大多数の人気レコメンドタスクを支援できますが、実際の課題ではまず対応シーンのデータ量が十分か確認する必要があります。

参考ソース

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