2026年4款推薦系統基準資料集實測對比：Tenrec 的規模與真實負評設計贏在哪？

論文裡的模型跑出漂亮數字，換到真實產品上卻掉一截，這件事我遇過不只一次。

問題通常不在模型，而在你手上的那份資料集。MovieLens 給你的是評分，Amazon 給你的是評論，MIND 給你的是新聞點擊，它們大多只有「一種」使用者回饋型態。

Tenrec 就是衝著這件事來的。它是騰訊兩個資訊流推薦 App 的真實行為資料，涵蓋四個推薦場景，公開釋出資料與程式碼，2022 年發表在 arXiv（編號 2210.10629）。

先說清楚：這篇不是把四份資料集各跑一次 benchmark 的跑分實測，而是把規格攤開來對照。選資料集這件事，看規格通常比看跑分更省時間。

Tenrec 與常見推薦系統資料集｜快速總覽

Tenrec 是騰訊資訊流產品的真實使用者行為集合，一份資料同時收錄四個推薦場景。

MovieLens 是學術界最常見的評分資料集，Amazon Reviews 是電商評論資料，MIND 則是微軟釋出的新聞推薦點擊資料。

這幾份的差異，簡單列成下表：

項目	Tenrec	MovieLens	Amazon Reviews	MIND
核心定位	多場景、多型態回饋的真實行為	評分預測與協同過濾	電商評論與品類推薦	新聞推薦與點擊預測
場景數	4 個	以單一電影評分為主	多品類但單一任務	新聞單一場景
正向回饋型態	點擊、按讚、分享、追蹤等	評分	評分與評論	點擊
真實負向回饋	有	無	無	無
規模	約 500 萬使用者、1.4 億次互動	相對小	視版本而定	中等

接下來我會從五個維度逐項對照，每個維度都指向同一個問題：這份資料集能不能測出你真實想解的題目。

維度 1｜規模與場景覆蓋：小資料集測不出真實系統的毛病

MovieLens 這類評分資料集的優點是乾淨、好處理，跑一次實驗只要幾分鐘。代價是規模偏小，而且只有單一評分行為。

在這種資料集上表現好的模型，套到真實的大型系統常常失去參考價值——這是 Tenrec 論文在開頭就直接點出的問題。

Tenrec 的規模是約 500 萬使用者、1.4 億次互動，而且分成四個不同推薦場景，其中包含影片與圖文兩條資訊流。

論文作者表示，Tenrec 是目前推薦系統領域數一數二大的資料集之一，涵蓋大多數推薦場景與任務。

→ 本維度：Tenrec 勝出。要驗證模型在真實規模下的表現，它比小型評分資料集更有說服力。

維度 2｜真實負回饋：只有正樣本的評測，等於閉著眼睛調排序

多數推薦資料集只有正向訊號。你拿到的是一堆「使用者喜歡了什麼」，卻沒有「使用者明確不要什麼」。

這讓模型只能在單類別（one-class）設定下訓練，評估時只能比誰排得比較前面，卻沒辦法判斷它是否真的學會區分喜好。

Tenrec 明確收錄了真實負向回饋（true negative feedback）。這是它跟 MovieLens、MIND 最實質的差異之一。

對做排序模型的人來說，這個差別很實際：同一批資料裡你同時有正樣本和負樣本，模型好壞的分辨力才有意義。

→ 本維度：Tenrec 勝出，而且差距明確。

維度 3｜跨場景重複使用者與物品：跨域推薦能不能真的測

跨域推薦（cross-domain recommendation）這幾年很熱，但多數資料集根本沒有「跨域」可言——只有一個場景，你要跨去哪裡？

Amazon Reviews 品類多，但性質接近多任務，而不是同一批使用者在不同產品場景間的行為遷移。

Tenrec 的四個場景之間存在重疊的使用者與物品。也就是說，同一個人在不同場景都有行為紀錄，這正是跨域推薦、多任務學習、終身學習這類題目需要的結構。

→ 本維度：Tenrec 勝出。要做跨場景研究，它幾乎是目前最直接的選項。

維度 4｜正向回饋的種類：點擊、按讚、分享、追蹤不是同一件事

很多資料集把「有點擊」就當成「喜歡」。但真實產品裡，點進去跟按讚、分享出去，代表的強度完全不同。

MIND 這類點擊資料集在這一點上比較吃虧：只有曝光與點擊兩種訊號。

Tenrec 記錄了多種正向回饋型態，包含點擊、按讚、分享、追蹤等。這讓你可以做的事變多：把不同回饋當成多任務目標、做回饋強度的加權、或研究從弱訊號到強訊號的轉化。

要注意的是，不同回饋型態的資料量本來就不平均，點擊遠多於分享，建模時需要自行處理樣本不平衡。

→ 本維度：Tenrec 勝出，但記得先檢查各類回饋的分布。

維度 5｜特徵欄位與可複現性：沒有額外特徵，模型只能比 embedding

MovieLens 給你的欄位基本上就是使用者 ID、物品 ID、評分、時間戳。模型能玩的只有 embedding 維度跟網路結構。

Tenrec 除了使用者 ID 與物品 ID 之外，還包含額外的特徵欄位，這對做特徵工程、特徵交互的研究比較友善。

可複現性方面，Tenrec 論文表示所有資料集與程式碼都已釋出，並提供標準引用格式，也已經有多個社群實作可以參考。

值得一提的是，論文提到兩個生產系統的名稱已經匿名化處理，如果研究上需要知道名稱，可以依論文說明聯繫作者。

→ 本維度：Tenrec 勝出。

各自有什麼獨特優勢？

Tenrec 的優勢大致集中在這幾點：

第一，它是少見同時具備大規模、多場景、多型態回饋與真實負樣本的公開資料集，這四個條件湊在一起並不容易。

第二，跨場景重複的使用者與物品，讓它可以直接支援跨域推薦與多任務學習研究，不必自己拼湊資料。

第三，資料與程式碼同步釋出，並有社群實作累積，對想復現實驗的人來說門檻較低。

至於其他資料集的優勢，也該老實說：

MovieLens 乾淨、輕量，適合快速驗證想法與教學，跑實驗的成本最低。

Amazon Reviews 與 MIND 在各自領域（電商評論、新聞點擊）都有成熟的評測慣例，如果你的題目本身就貼著這些場景，用它們反而更對口。

總結：你該選哪份資料集？

如果你的研究需要跨場景、跨域或終身學習的實驗環境，Tenrec 是目前最完整的選項。

如果你要處理的是真實排序問題、需要負樣本才能評估模型分辨力，Tenrec 的真實負回饋設計會比單類別資料集實用得多。

如果你想研究不同強度的使用者回饋（點擊 vs 分享 vs 追蹤），Tenrec 提供的多型態訊號可以直接支援。

如果你只是想快速驗證一個協同過濾的想法，或做課堂教學示範，MovieLens 這種輕量資料集仍然最省事。

一句話總結：Tenrec 補的正是既有基準資料集長年缺的那幾塊——規模、場景數與負樣本。要研究真實世界會遇到的推薦問題，它值得放進你的清單前幾位。

常見問題

Tenrec 是哪一年釋出的？

論文是 2022 年發表在 arXiv，編號 2210.10629，作者為 Guanghu Yuan 等共 12 人。

Tenrec 的資料從哪裡來？

來自騰訊旗下兩個資訊流推薦 App 的真實使用者行為，共涵蓋四個推薦場景。論文提到兩個生產系統的名稱已匿名化處理。

Tenrec 只有點擊資料嗎？

不是。除了點擊，它還包含按讚、分享、追蹤等多種正向回饋，並且收錄真實負向回饋。

Tenrec 的規模大概多大？

官方說明為約 500 萬使用者、1.4 億次互動，論文稱其為推薦系統領域數一數二大的資料集之一。

授權與引用方式是什麼？

論文表示資料集與程式碼公開釋出，使用時應引用原論文。標準引用為 Yuan, Guanghu 等人的《Tenrec: A Large-scale Multipurpose Benchmark Dataset for Recommender Systems》，arXiv preprint arXiv:2210.10629, 2022。

Tenrec 適合哪類研究題目？

依論文與官方說明，它可支援協同過濾、跨域推薦、多任務學習、終身學習等多數熱門推薦任務；但實際題目還是要先確認對應場景的資料量是否足夠。

參考來源

• 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