TianChi新闻推荐03:排序模型+模型融合

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：

1. LGB的排序模型
2. LGB的分类模型
3. 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：

1. 输出结果加权融合
2. Staking（将模型的输出结果再使用一个简单模型进行预测）