记一次大数据挑战赛
对于给定的一定数量到访过微信视频号“热门推荐”的用户, 根据这些用户在视频号内的历史n天的行为数据,通过算法在测试集上预测出这些用户对于不同视频内容的互动行为(包括点赞、点击头像、收藏、转发等)的发生概率。 本次比赛以多个行为预测结果的加权uAUC值进行评分
第一次接触这类比赛,成绩不大行,记录一下自己实验到的东西,并不一定对
因为第一次,对于什么特征在这类任务中比较重要也不清楚,造的特征主要参考了大佬的分享微信视频号推荐算法解题思路
nn模型用的是deepctr的deepfm模型,树模型用的lightgbm
-
对nn尝试过各类采样方法都没有全量训练效果好
-
deepfm的dnn层数[128,128,128]好像就够用了
-
使用adam比adagrad好
-
deepfm、xdeepfm、autoint效果差不多
-
batchsize尝试中1024结果比较好
-
deepfm中统计特征的作用不大,加上feed embedding后有很大的提升
-
对tags和keyword使用word2vec好像没有multilable降维后好用
-
user相关的特征比较好用,feed的特征作用不是很明显
-
nn多折融合有明显的提升,融合树模型和nn也有大的提升
-
没有利用到任务间的相关性,没来的急试试mmoe
想看看大佬是怎么做的,等着大佬分享
数据集下载
链接: https://pan.baidu.com/s/1SPmyv7zoHhDVm57N0OgUzA
提取码: 8g95