阿里移动推荐算法大赛分享记录

最新推荐文章于 2022-03-22 10:54:35 发布
最新推荐文章于 2022-03-22 10:54:35 发布
阅读量459 收藏
点赞数
分类专栏： 机器学习和深度学习实战
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37870649/article/details/104779199
版权
本次分享聚焦阿里移动推荐算法大赛，各团队分享了独特策略。NEU团队避免使用pooling以保留信息；北京仰望天空团通过滑动窗口与下采样平衡正负样本，观察商品交互间隔；陈靖提出特征构建关键在于用户、时间、商品和操作的组合，通过滑窗解决正样本不足问题，不同正负样本比例的模型融合提高预测准确性。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文 超级会员免费看
a flying bird
关注
专栏目录
订阅专栏
阿里移动推荐算法大赛总结
xidianycy
11-19 2万+
一、 赛题说明1. 竞赛题目在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号： U：用户集合 I ：商品全集 P：商品子集，P ⊆ I D：用户对商品全集的行为数据集合 那么我们的目标是利用D来构造U中用户对P中商品的推荐模型。2. 数据说明数据主要包含
关于2015阿里移动推荐算法大赛的总结（二）——推荐算法
Sin_Geek成长の迹
05-16 1万+
推荐系统并不是新鲜的事物，在很久之前就存在，但是推荐系统真正进入人们的视野，并且作为一个重要的模块存在于各个互联网公司，还是近几年的事情。 随着互联网的深入发展，越来越多的信息在互联网上传播，产生了严重的信息过载。如果不采用一定的手段，用户很难从如此多的信息流中找到对自己有价值的信息。
[阿里移动推荐算法]比赛_快速入门_4_19_update_仅供参考，思维不要受局限
aynbxl8574的博客
09-09 113
【这里只讲快速入门——即破题，正负样本不平衡、特征数量等问题就自己多看论文或者其他资料吧~~如果还有数据挖掘相关基础知识不了解的，建议看看《数据挖掘导论》】【以下是理解错误案例】：错误的根本原因是不能保证训练集的构建逻辑与赛题目标保持一致，不能保证训练集和测试集的构建逻辑保持一致，不能保证离线评测的逻辑和线上保持一致！1. 有同学在构建训练集的时候，为了给样本（即ui对）标上正负，不是根...
Ali2015-MobileRecommendation:阿里移动推荐算法竞赛-http
05-24
Ali2015-移动推荐 阿里移动推荐算法竞赛 按照./data_1/README.md和/或./data_2/README.md中的./data_1/README.md下载数据。 运行一次TianChi3/main_preprocess.py以预处理数据 逐步运行TianChi3/main_single_model.py进行调整和训练。 最好的单个GBDT模型可以从TianChi3/main_single_model.py获得，F1得分约为10.4％ ，在第1季中的排名约为100 。 要提高性能： 通过更改utils.gen_feats和utils.gen_ic_ind_feats的时间参数，可以生成更多带标签的数据，这很有用，因为数据集高度不平衡。 在utils.gen_feats和utils.gen_ic_ind_feats添加更多时间间隔。 交叉验证可用于选择更好的超
【天池竞赛系列】阿里移动推荐算法思路解析
weixin_34235371的博客
05-11 290
赛题地址：http://tianchi.aliyun.com/competition/information.htm?raceId=1 登录就可以下载数据 从4月到7月，学习了非常多也收获了非常多 题目就不多说了。一句话表达就是依据过去一个月的行为预測14年12月19号的购买情况。 看题目貌似推荐算法。自然就有队伍想到用协同过滤什么的。当然效果不好。 首先是特征的问题，然...
阿里移动推荐算法大赛——基于用户-行为记录，即user_id - behaviour_type的数据集处理
建世伟业的博客
08-18 2333
 关于题目回顾与数据初探，可参考：天池离线赛 - 移动推荐算法（一）：题目与数据解析，本文目的是想找出数据集中用户加购物车的行为behavior_type = 3与最终的购买行为behavior_type = 4是否是强关联的，为了进行分析，我们基于原始数据集构建一个新的数据集： act_34={<'time', 'user_id', 'item_id', 'behavior_type...
关于2015阿里移动推荐算法大赛的总结1
08-08
2015年阿里移动推荐算法大赛中，参赛者需要根据用户的行为数据来预测他们在商品子集中可能购买的商品。推荐算法在本场景中的应用主要涉及用户行为分析、特征提取、模型训练和预测。 【行为特征与预测】 在比赛的...
阿里移动推荐算法大赛参赛源码+项目说明.zip
最新发布
01-23
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的竞赛项目学习资料，作为参考学习借鉴。...阿里移动推荐算法大赛参赛源码+项目说明.zip
2015阿里移动推荐算法大赛总结
MrChen11的博客
08-09 8871
赛题2014年是阿里巴巴集团移动电商业务快速发展的一年，例如2014双11大促中移动端成交占比达到42.6%，超过240亿元。相比PC时代，移动端网络的访问是随时随地的，具有更丰富的场景数据，比如用户的位置信息、用户访问的时间规律等。
tianchi:阿里移动推荐算法
06-07
数据集 将下载到datasets文件夹。 所有*.csv文件都不会被推送到存储库。 成员：顾云、黄帅、耿世杰 文件夹：
阿里移动推荐算法比赛赛后总结--感受篇
a1805180411的专栏
07-10 1670
为期100天的比赛终于结束了。一期最终成绩第八，二期最终成绩第七。获得了一个阿里终面的机会。下面谈谈我对阿里移动推荐算法比赛的感受，下一篇谈谈比赛中特征的提取。 当第一次看到这个比赛的宣传时，我不屑一顾的看了一眼，就看了一眼，心想：我们才研一，没那个能力，就不要去丢脸了。过了两天，我和我的小伙伴再一次谈论到了这个比赛，并且有参加的念头。这时我才开始带点认真的去关注了，然后我和我的小伙伴商量了一下
阿里天池离线赛_移动推荐算法
h_lita的博客
04-21 1671
题目：阿里移动推荐算法 赛题说明 业务场景 本次赛题为《阿里移动推荐算法》，以阿里巴巴移动电商平台的真实用户-商品行为数据为基础，同时提供移动时代特有的位置信息，而参赛队伍则需要通过大数据和算法构面向建移动电子商务的商品推荐模型。 在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号： U——用户集合 I——商品全集 P——商品子集，P ⊆ I D
阿里推荐大赛
04-07 165
4月4日决定利用晚上的时间学t
阿里移动推荐算法大赛——数据加载测试
建世伟业的博客
08-16 588
 阿里移动推荐算法大赛的数据集fresh_comp_offline下载，下面分别测试加载该文件夹下的两个CSV文件所用时间。 加载tianchi_fresh_comp_train_user.csv，结果如下： # -*- coding: utf-8 -* ''' @author: csw ''' import os import sys import timeit imp...
sklearn做单机特征工程
Yaphat的博客
11-16 1876
目录 1 特征工程是什么？ 2 数据预处理 　　2.1 无量纲化 　　　　2.1.1 标准化 　　　　2.1.2 区间缩放法 　　　　2.1.3 标准化与归一化的区别 　　2.2 对定量特征二值化 　　2.3 对定性特征哑编码 　　2.4 缺失值计算 　　2.5 数据变换 　　2.6 回顾 3 特征选择 　　3.1 Filter 　　　　3.1.1 方差选择法
【推荐算法-竞赛】推荐算法竞赛TOP方案合集
alexliu2360的专栏
03-22 1334
[转载]原文链接：https://blog.csdn.net/m0_52122378/article/details/110383684 推荐算法竞赛相关 会议赛 （一）2020 ACM Twitter RecSys Challenge 问题背景： Twitter上呈现的是正在发生的事情，也是人们现在谈论的话题。在Twitter上，随着对话的展开，生活变得生动起来，向你展示故事的方方面面。从突发新闻和娱乐到体育、政治和日常兴趣，当世界上发生的事情，它们首先发生在推特上。 在这个平台上，用户发布和参与（以喜欢
阿里天池大数据之移动推荐算法大赛总结及代码全公布
热门推荐
Datuqiqi的博客
07-10 3万+
移动推荐算法比赛已经结束了一个多星期了，现在写一篇文章来回顾一下自己的参赛历程。 首先，对不了解这个比赛的同学们介绍一下这个比赛（引用自官网）： 赛题简介 2014年是阿里巴巴集团移动电商业务快速发展的一年，例如2014双11大促中移动端成交占比达到42.6%，超过240亿元。相比PC时代，移动端网络的访问是随时随地的，具有更丰富的场景数据，比如用户的位置信息、用户访问的时间规律等。 本次
Java移动推荐算法提取特征值_阿里移动推荐算法比赛赛后总结--特征篇
weixin_42502775的博客
02-13 420
为期100天的阿里移动推荐算法比赛终于结束了，上一篇谈了一下比赛的感受，这一篇谈谈特征的提取。该篇文章的布局：对一期和二期用到的特征分别进行说明。在说特征的提取之前，在这里给出这个比赛的题目和数据及相关说明：竞赛题目在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义...
内容驱动的推荐算法：现状与未来
尽管基于内容的推荐算法能提供个性化的建议，但它存在一些局限性，如新用户的冷启动问题（新用户没有足够的行为记录）、项目内容稀疏性（某些项目缺乏详细的描述信息）等。为解决这些问题，研究者提出将上下文信息...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值