Yandex Music
Billion-Interactions Dataset

Yandex Music Billion-Interactions Dataset (YaMBDa) — это large-scale-датасет , построенный на логах Яндекс Музыки — крупнейшего подписного стримингового сервиса в России (слушают 28 млн подписчиков Плюса в месяц, по данным на март 2025 года).

Мы считаем, что у нашего датасета есть потенциал стать стандартом для оценки рекомендательных алгоритмов, использующих машинное обучение, — как в индустрии, так и в академической среде.

Набор данных для обучения и оценки моделей машинного обучения, включающий миллионы объектов и приближённый по сложности к реальным условиям.

В области рекомендательных систем существует проблема с доступностью данных. Главная причина — невозможность общего доступа к данным с коммерческой ценностью.

В то же время современные алгоритмы, построенные на ML, которые используются в реальных рекомендательных сервисах, требуют гораздо больших объёмов данных для обучения, чем можно найти в опенсорсе. Это накладывает отпечаток на исследователей: проверять гипотезы приходится на маленьких датасетах. (В NLP уже показали , как количество данных в обучении влияет на качество модели).

Мы хотим исправить эту ситуацию и выкладываем в открытый доступ датасет, превышающий по масштабу любой известный нам открытый набор данных в области рекомендательных систем. С его помощью исследователи со всего мира смогут пробовать новые подходы, требующие больших объёмов данных для обучения. Мы также надеемся, что наша инициатива подтолкнёт к развитию всю область рекомендаций.