kdd cup 2019赛题Context-Aware Multi-Modal Transportation Recommendation解读

最新推荐文章于 2022-12-04 20:54:38 发布
最新推荐文章于 2022-12-04 20:54:38 发布
阅读量2.4k 收藏 3
点赞数 2
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/maqunfi/article/details/89302936
版权

赛题地址

https://dianshi.baidu.com/competition/29/question

竞赛目的

根据用户以往点击情况和路线推荐  对用户的行走方式选择进行预测，这里区分好sid和pid（sid是session会话的意思，表示一次导航过程  ，pid表示的是一个人），pid是直接关联于属性的，sid是关联于一次导航任务。  是根据query表、plans表、profiles表情况去预测    click表对应的click信息。  

 

也就是给定用户信息和  始终点 情况下，预测用户的行走模式选择（比如步行、出租、自驾，每个对应一个mode编号，编号可能表示组合方案）

           

 

数据介绍（审题）

1.数提供的数据分为以下几个表:

      *用户属性信息表profiles，里面pid是用户的变化，后面是对用户信息的one-hot表示形式，里面包

最低0.47元/天 解锁文章
马飞飞
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
Context_aware Sequential Recommender
01-24
Since sequential information plays an important role in modeling user behaviors, various sequential recom- mendation methods have been proposed. Methods based on Markov assumption are widely-used, but independently com- bine several most recent components. Recently, Recurrent Neural Networks (RNN) based methods have been successfully applied in several sequential modeling tasks. However, for real- world applications, these methods have difficulty in modeling the contextual information, which has been proved to be very important for behavior modeling. In this paper, we propose a novel model, named Context-Aware Recurrent Neural Net- works (CA-RNN). Instead of using the constant input matrix and transition matrix in conventional RNN models, CA-RNN employs adaptive context-specific input matrices and adap- tive context-specific transition matrices. The adaptive context- specific input matrices capture external situations where user behaviors happen, such as time, location, weather and so on. And the adaptive context-specific transition matrices capture how lengths of time intervals between adjacent behaviors in historical sequences affect the transition of global sequential features. Experimental results show that the proposed CA- RNN model yields significant improvements over state-of-the- art sequential recommendation methods and context-aware recommendation methods on two public datasets, i.e., the Taobao dataset and the Movielens-1M dataset.
kddcup.data-10-percent-corrected与kddcup.data-10-percent-correcte
最新发布
05-04
《KDD Cup 数据集详解：kddcup.data_10_percent_corrected与kddcup.data_10_percent_corrected》 KDD Cup是一项国际知名的数据挖掘竞赛，自1999年起，它为研究者和从业者提供了一个展示数据挖掘技术的平台。在KDD ...
ContextAware MultiModal Transportation Recommendation_赛题解析
Brianone的博客
04-29 346
Part1： https://mp.weixin.qq.com/s/3Qgz-swaSVsqHU86B5mfOA Part2：https://mp.weixin.qq.com/s/rlp2c3k8Y7NC73SPoONAMQ Part3：https://mp.weixin.qq.com/s/CHLxzXo2dV6RY-JVam510w
context-aware recommendation
dustinsea的专栏
02-10 4267
推荐系统中增加上下文信息提升准确度， 在移动趋势的今天更加必要
文章分享：Context-aware Academic Collaborator Recommendation
tszupup的博客
10-08 1094
        分享一篇关于学术合作者推荐的文章：Context-aware Academic Collaborator Recommendation， 这篇文章将Context-aware Recommendation应用到Academic Data Mining中，提出了一个新问题Context-aware Aca...
Context-aware Sequential Recommendation 论文&代码阅读
thomasqu的博客
09-03 1220
Liu Q , Wu S , Wang D , et al. Context-aware Sequential Recommendation[J]. 2016 IEEE 16th International Conference on Data Mining. 论文链接: https://arxiv.org/pdf/1609.05787.pdf. Introduction 这篇文章是最早的将con...
KDDCup2021-CityBrainChallenge-starter-kit
04-02
KDDCup2021-CityBrainChallenge-starter-kit是一个专为CityBrain挑战设计的入门套件，旨在帮助参赛者快速理解和掌握城市智能化管理的关键技术。该挑战主要利用大数据、人工智能等先进技术解决实际的城市问题，推动...
KDD2019_K-Multiple-Means:论文“ K-多重均值”的实现
05-06
KDD2019_K多次平均（KMM） 论文“ K-多重均值：具有指定K聚类的多重均值聚类方法”的实施，该研究已被KDD'2019接受为口头研究论文。 论文： : 抽象的 在本文中，我们对多个均值的聚类进行了K-均值的扩展。 流行的...
百度地图毕业设计源码-kddcup2019-archaive:KDDCup2019AutomlTrack的实现代码、总结和经验
06-06
KDDCup2019 冠军方案经验总结 题目特点 在这次比赛中，主要有以下难点： 1.挖掘有效的特征 与传统数据挖掘竞赛不同的是，AutoML竞赛中，参赛选手只知道数据的类型（数值变量、分类变量、时间变量、多值分类变量等）...
kddcup2018-of-fresh-air:＃30在KDD CUP 2018 https
05-16
KDD的其他竞争对手。 我在第一天参加了这项比赛，很快就建立了一个合理的基准。 由于某些私人方面的原因，自5月初以来，我几乎停止改善自己的解决方案。 尽管与第2阶段的许多顶级参与者相比，我的方法不能很好地...
multilogue-net:Multilogue-Net的PyTorch实施-Challenge-HML @ ACL 2020的最佳论文亚军
05-02
Multilogue-net-官方PyTorch实施 该存储库包含ACL 2020研讨会的正式实施： Multilogue-Net：用于对话中的多模式情感检测和情感分析的上下文感知RNN 阿曼·谢诺伊（Aman Shenoy）和艾希什·萨达纳（Ashish Sardana） 摘要：会话中的情感分析和情感检测在一些实际应用中是关键，随着可用方式的增加，有助于更好地理解潜在的情感。 多模式情感检测和情感分析可能特别有用，因为应用程序将能够根据可用数据使用可用模式的特定子集。 当前处理多模式功能的系统无法利用和捕获-通过所有模式的对话上下文，听者和说话者情绪状态之间的依赖性以及可用模式之间的相关性和关系。 在本文中，我们提出了一种端到端RNN架构，该架构试图考虑所有提到的缺点。 在撰写本文时，我们提出的模型在各种准确性和回归指标上的基准数据集上均优于最新技术。 注意：由于此项目是在暑期
文献阅读总结（4）Graph convolution machine for context-aware recommender system
hh___56789的博客
12-04 616
Graph convolution machine for context-aware recommender system
[论文学习]Convolutional matrix factorization for document context-aware recommendation
somTian的博客
05-23 7361
翻译论文Convolutional matrix factorization for document context-aware recommendation
kdd cup 2019
weixin_30687811的博客
05-10 379
比赛简介： 任务1：推荐最佳交通方式 任务描述：给定用户的一些信息，预测用户使用何种最佳交通方式由O(起点)到D(终点） 数据描述： profiles.csv： 属性pid:用户的ID； 属性p0~p65:用户的个人信息（如身高，年龄，职业等） 训练集(2018.10.1~2018.11.30两个月的数据)： train_clicks.csv： 属性sid：用户的会话I...
Multi-Modal Trajectory Prediction of Surrounding Vehicles with Maneuver based LSTMs --笔记
yrx00go的博客
09-03 1779
《Multi-Modal Trajectory Prediction of Surrounding Vehicles with Maneuver based LSTMs》–笔记 方向：用LSTM预测某个车辆的轨道，基于的是高速公路周边车辆。 dataset:NGSIM US-101[2]和I-80[3] input：预测车辆以及周边车辆的坐标值,tensor X表示了t时刻之前每个时刻的预测车辆本...
这两年：我的数据竞赛之路
python爬虫人工智能大数据
08-29 281
写在前面 大家好，我是鱼遇雨欲语与余，本次我将带来不一样的分享，这将是我的个人竞赛历程。将从三个部分展开分享，主要竞赛经历、关于我的竞赛和未来竞赛的我。一位竞赛...
干货 | 2019 数据竞赛TOP方案合集
热门推荐
fengdu78的博客
02-09 1万+
2020一起学习特意准备一份数据竞赛大礼包送给大家！呕心沥血、不眠不休整理了2019 经典赛事TOP方案大汇总助力大家在新的一年奖金拿到手软！疫情当前注意防护、不要生病！CCF大数据与计...
论文翻译（5）-Contextual Inter-modal Attention for Multi-modal Sentiment Analysis
想握住此生辽阔
10-18 3370
Contextual Inter-modal Attention for Multi-modal Sentiment Analysis 多模态情感分析中的语境跨模态注意 github地址：https://github.com/soujanyaporia/contextual-multimodal-fusion 链接：https://pan.baidu.com/s/1bNsgWInUlG2-M88PSXGcPQ 提取码：uk6m 摘要 多模态情感分析提供了各种挑战，其中之一是不同输入模态的有效组合，即文本、视
评论 6
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