Retailrocket数据集属性分析

Retailrocket数据集属性分析

近期计划使用电商数据集做强化学习相关，从论文中看到了retailrocker数据集，此数据集有四个文件（如下图），其中包括商品类别树、事件日志、物品熟悉日志。

事件日志包括了用户对物品的“view”, “addtocart” or “transaction”三个操作，在强化学习中可设置不同的奖励；物品属性日志记录物品的属性变化，如价格的变化等，由于此表的复杂性，所以下文特别分析了该表的一些属性特征。

物品属性中除了物品的“类别”和“有效性”属性外，其余属性名字均做了hash，导致不能充分利用物品属性。

• 首先分析物品的“类别”与日志时间的联系：

从下图可以看出，物品类别随时间变化不频繁，大多数物品的类别是一个常量，少说物品的类别在两个类别之间切换，建议将物品类别处理为常量。

• “有效性”与时间的联系

如上图，物品的有效性会随时间无规律改变，在某一时刻，物品可能无效，所以，在强化学习状态下，候选物品是一个动态的过程，建议保留有效性的动态变化。

• 有关“价格”属性的猜测

根据讨论的官方回应，价格属性值都是数字，即以n开头，另外根据统计信息（如下图），代号888和790出现的频次最高，认为价格很大可能是其中的一个。

然后根据888属性展开分析，其具体值如下图，发现这个属性值包含大量文本信息，并且不同物品的属性值不同，相同物品的属性值相同，据此判断次属性可能属于物品介绍特征。

相同物品的888属性值

不同物品的888属性值

接下来分析790特征， 特征值如下图，可以发现，790属性值全部以n开头，也就是说它的属性值全部是数字，并且同一商品的几个随时间变化不大，据此猜测，此属性值为商品价格。