摘要：食品评论数据集是一个专为人工智能和机器学习入门课程设计的合成多模态教学数据集，包含来自虚构食品配送平台的 3,000 条客户评论记录。该数据集整合了三种数据模态：结构化表格数据（价格、评分、份量大小、城市等属性）、非结构化文本数据（客户评论文本）以及视觉图像数据（食品图片引用）。每个食品项目与唯一的图像文件一致映射，确保数据完整性和可追溯性。数据集特别设计了受控的缺失值和异常值分布，真实模拟实际数据分析中常见的数据质量问题，为初学者提供实践数据预处理技能的理想学习环境。
数据集简介
数据集概述
数据集采用多模态架构，表格数据涵盖订单属性、产品特征、地理信息和评价指标等多维度字段，文本数据包含自然语言形式的客户评论内容，图像数据独立存储于专用文件夹并通过文件名关联。数据集的核心教学价值在于其精心设计的数据质量挑战：包含可控比例的缺失值（用于练习插补技术）、人为注入的异常值（用于学习离群点检测）以及多模态数据对齐问题（用于理解数据整合复杂性）。这种设计使学生能够在安全可控的环境中系统学习数据清洗、特征工程、数据验证和多模态数据融合等核心预处理技能，为后续的模型训练和分析工作奠定基础。
该数据集主要应用于 AI/ML 课程的模块 0（数据理解与预处理阶段），支持数据探索、数据清洗、缺失值处理、异常值检测、文本预处理、多模态数据整合等教学场景。作为完全合成的数据集，所有评论、用户信息和业务数据均为人工生成，不包含任何真实个人隐私信息，符合教育数据使用的伦理规范和隐私保护要求。数据集来源于学术教学目的的专门构建，通过数据生成算法模拟真实食品配送平台的业务逻辑和用户行为模式，确保数据分布具有教学代表性的同时避免了真实数据使用可能带来的隐私风险和法律问题，为全球 AI 教育提供了开放、安全、可复现的教学资源。
数据集来源
该数据集为学术教学专门构建的合成数据，通过数据生成算法模拟虚构食品配送平台的 3,000 条客户评论，整合表格、文本和图像三种模态，并人为注入受控的缺失值和异常值以支持 AI/ML 课程的数据预处理教学。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-47
文件大小：5.3M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)