README

图灵联邦视频点击预测大赛线上第三名方案 tuling-video-click-top3

2020-TURING-TOPIA-Video-Click-SINGLE-LightGBM-top3

===============================================================================================================
图灵联邦视频点击预测大赛线上第三（LightGBM单模）

主办方： 图灵联邦

赛道：2020-视频点击预测大赛

赛道链接：https://www.turingtopia.com/competitionnew/detail/e4880352b6ef4f9f8f28e8f98498dbc4/sketch
赛程时间：2019.11.11-2020.03.09
参与人：第一次打比赛、郑 、小兔子乖乖 、 Freak 、luweihai
方案文档：文档链接
百度云盘下载链接:为避免数据丢失，提供数据集下载地址链接: https://pan.baidu.com/s/1YPtg4QyiAdhRAMoxjis_Gw 密码: 0a3r

1.数据说明

train.csv

字段	中文名	数据类型	说明
id	用户ID	VARCHAR2(50)	代表数据集的第几条数据，从1到11376681
target	是否点击	VARCHAR2(50)	代表该视频是否被用户点击了，1代表点击，0代表未点击。
timestamp	修改时间戳	VARCHAR2(50)	代表改用户点击改视频的时间戳，如果未点击则为NULL。
deviceid	设备ID	VARCHAR2(50)	用户的设备id
newsid	视频ID	VARCHAR2(50)	视频的id。
guid	注册ID	VARCHAR2(50)	用户的注册id。
pos	推荐位置	VARCHAR2(50)	视频推荐位置
app_version	app版本	VARCHAR2(50)	app版本。
device_vendor	设备厂商	VARCHAR2(50)	设备厂商
netmodel	网络类型	VARCHAR2(50)	网络类型。
osversion	操作系统版本	VARCHAR2(50)	操作系统版本。
lng	经度	VARCHAR2(50)	经度。
lat	维度	VARCHAR2(50)	维度。
device_version	设备版本	VARCHAR2(50)	设备版本。
ts	用户ID	时间戳	视频暴光给用户的时间戳。

test.csv

字段	中文名	数据类型	说明
id	用户ID	VARCHAR2(50)	test_1到test_3653592
deviceid	设备ID	VARCHAR2(50)	用户的设备id
newsid	视频ID	VARCHAR2(50)	视频的id。
guid	注册ID	VARCHAR2(50)	用户的注册id。
pos	推荐位置	VARCHAR2(50)	视频推荐位置
app_version	app版本	VARCHAR2(50)	app版本。
device_vendor	设备厂商	VARCHAR2(50)	设备厂商
netmodel	网络类型	VARCHAR2(50)	网络类型。
osversion	操作系统版本	VARCHAR2(50)	操作系统版本。
lng	经度	VARCHAR2(50)	经度。
lat	维度	VARCHAR2(50)	维度。
device_version	设备版本	VARCHAR2(50)	设备版本。
ts	用户ID	时间戳	视频暴光给用户的时间戳。

app.csv

字段	中文名	数据类型	说明
id	用户ID	VARCHAR2(50)	test_1到test_3653592
deviceid	设备ID	VARCHAR2(50)	用户的设备id
applist deviceid	视频ID	VARCHAR2(50)	用户所拥有的app，我们已将app的名字设置成了app_1,app_2…的形式。

test.csv

字段	中文名	数据类型	说明
id	用户ID	VARCHAR2(50)	test_1到test_3653592
deviceid	设备ID	VARCHAR2(50)	用户的设备id
guid	注册ID	VARCHAR2(50)	用户的注册id。
outertag	用户画像	VARCHAR2(50)	用户画像用竖号分隔，冒号后面的数字代表对该标签的符合程度，分数越高代表该标签越符合该用户。
tag	用户画像	VARCHAR2(50)	同outertag
level	用户等级	VARCHAR2(50)	用户等级。
personidentification	是否优劣	VARCHAR2(50)	1表示劣质用户 0表示正常用户。
followscore	徒弟分	VARCHAR2(50)	徒弟分（好友分）。
personalscore	个人分	VARCHAR2(50)	个人分。
gender	性别	VARCHAR2(50)	性别

2.配置环境与依赖库

• python3
• scikit-learn
• gensim
• Ubuntu
• LightGBM
• notebook

3.运行代码步骤说明

分别按照代码顺序
运行1,2,3,4

1 feature.ipynb 特征工程
2 fold_model.ipynb
3 offline_model.ipynb 离线模型
4 online_model.ipynb 线上模型

4.特征工程

• 原始特征
• 穿越特征
• 统计特征
• embedding特征

5.模型训练

单模，初赛最终榜：0.83695 线上第三