DIGIX全球算法精英大赛-视频推荐任务亚军方案分享

最新推荐文章于 2022-03-22 10:54:35 发布

老肥码码码

最新推荐文章于 2022-03-22 10:54:35 发布

阅读量454

点赞数

文章标签：算法机器学习人工智能 python 深度学习

本文链接：https://blog.csdn.net/lyc44813418/article/details/120582692

版权

本文分享了在DIGIX全球算法精英大赛中，亚军团队如何利用特征工程和树模型、深度模型融合解决视频推荐任务，重点关注了用户冷启动问题、CTR预测策略和权重搜索策略。他们发现分享行为与观看时长相关，并针对不同任务稀疏性采取了分离建模方法。

摘要由CSDN通过智能技术生成

今天老肥和大家分享的是DIGIX全球算法精英大赛赛题三-基于多目标优化的视频推荐的亚军方案，主要使用的是特征工程为主的树模型和深度模型的融合方案。

赛题任务

本赛题的目标是基于用户前十四天的行为信息以及用户侧信息表、视频侧信息表对用户第十五天的视频观看时长以及是否分享进行预测（其中视频时长的评价指标为加权分桶AUC）。

数据分析

通过对两个预测目标进行分析，我们发现发生分享行为的用户大部分都是存在观看行为的，观看视频时长越长分享的概率越高，这些也符合直观的理解，观看视频之后进行视频的分享，但是当我们对这两个任务进行联合建模，也就是多任务学习发现效果较差，我们推测是两个任务稀疏程度差距较大，很难通过调节loss权重的方法同时将两个任务学得好，所以对于本赛题我们还是采用分开建模的方法。

通过分析数据，我们发现该赛题存在着用户冷启动的问题（非完全冷启动，只是在用户行为表历史中未出现），而冷启动用户的平均观看时长要高于非冷启动用户，冷启动视频也存在相似情况。第十二天的异常我们也发现了原因，说来也很有意思，4月30日也就是出现这个异常的前一天，我国空间站天和核心舱成功发射，而这个异常的冷启动视频之一正是《太空救援》，应该是来源于时事相关的影片强力推送。