Task05 天池新闻推荐入门赛之【排序模型+模型融合】
http://datawhale.club/t/topic/202
排序模型
通过召回的操作, 已经进行了问题规模的缩减,
- 对于每个用户, 选择出了N篇文章作为了候选集,
- 并基于召回的候选集构建了与用户历史相关的特征,以及用户本身的属性特征,文章本省的属性特征,以及用户与文章之间的特征,
下面就是
- 使用机器学习模型来对构造好的特征进行学习,
- 然后对测试集进行预测,得到测试集中的每个候选集用户点击的概率,返回点击概率最大的topk个文章,作为最终的结果。
排序阶段选择了三个比较有代表性的排序模型,它们分别是:
- LGB的排序模型
- LGB的分类模型
- 深度学习的分类模型DIN
得到了最终的排序模型输出的结果之后,还选择了两种比较经典的模型集成的方法:
- 输出结果加权融合
- Staking(将模型的输出结果再使用一个简单模型进行预测)