如何获取训练景点推荐机器学习模型所需的数据集？

可直接复用的公开数据集渠道（Kaggle之外） #

• 各地政府公共开放数据平台：省/市一级的公共数据开放网、文旅局官方公开的文旅资源名录，基本覆盖辖区内所有正规注册景点的基础信息、A级评级、核定承载量、官方推荐游览时长等权威数据，面向特定地点做推荐时，这部分数据可信度最高，不需要额外做过多信息校验。
• 学术领域公开数据集：海内外高校、文旅研究团队公开的旅游推荐方向标注数据集，比如GroupLens研究组公开的旅游评分数据集、国内文旅课题组公开的分区域游客行为数据集，这类数据大多已经完成清洗标注，很多还附带真实用户的游览历史、偏好标签，可直接用于模型训练，能节省大量数据预处理的时间。
• 互联网厂商开放POI数据集：头部地图、本地生活平台公开的兴趣点公开数据集中，筛选景点类条目即可获取位置、分类、基础评分等通用字段，适合快速搭建模型初始baseline。

无适配公开数据集时的优先爬取站点 #

注意：所有爬取操作必须严格遵守目标网站的服务条款与robots协议，仅抓取公开非涉密、非用户隐私的内容，合理控制请求频率避免影响站点正常服务，若数据用于商用场景务必提前获得站点授权，规避合规风险。

• 第一优先级为头部旅游UGC平台：这类站点的数据维度最贴合推荐需求，除景点基础参数外，还有大量真实游客的评分、评价标签、打卡记录、不同出行场景（亲子/情侣/老年游/独自出行）的体验反馈，甚至包含游客标注的避坑提示、最佳游览季节等非结构化内容，是训练个性化推荐模型最核心的数据源。
• 第二优先级为主流地图服务平台：主要用于补全景点地理属性数据，包括精准经纬度、周边交通接驳方式、停车场配置、实时客流高峰时段、周边关联消费点位信息，可为推荐模型增加距离、交通便利度、拥挤度这类实用性特征。
• 第三优先级为本地生活服务平台：主要补全消费维度数据，比如景点门票实时价格、周边餐饮住宿人均消费、景点内收费项目、近期特色活动信息，可支撑搭建性价比导向、场景化的细分推荐能力。
• 第四优先级为各地文旅官方宣传平台：用于信息校准，补全官方发布的特色游览路线、季节性活动、临时闭园/优惠政策等权威信息，修正UGC内容中的过时、错误信息。

内容的提问来源于stack exchange，提问作者xifir