5 阿里移动推荐算法 CHLL.pdf

阿里移动推荐算法大赛答辩 CHLL 陈靖 中国科学技术大学 提纲  解题思路  算法介绍  样本  特征  模型  总结回顾  涨分技巧  参赛收获 解题思路 问题描述： 给出一定量用户在11.18~12.18之内的移动端行为数据（D）， 需要预测12.19对商品子集（P）的购买数据。行为分为四种：1(浏览) ， 2(收藏) ，3(加购物车) ，4(购买) 解题思路  问题 分类问题二分类，1:买，0:不买  样本 样本选取有交互P子集样本 在哪一天交互的样本可能会在19号购买？ 16号、17号、18号？  特征 什么样的用户在什么时候对什么样的商品有过什么样的操作之后可能会在 19号购买？是否买过？商品销量？加购物车？  模型 分类、回归。（LR、RF、GBDT ） 解题思路 根据分析构造特征 业务 特征 不同购买模 是否购买交给模型判断 式单独处理 模型 解题思路 第一赛季 数据量小，更换数据前后模型效果波动大 规则过滤：过滤18号的交互样本 cart(u, i) && cart_time(u, i) > 13 && buy_time(u) < cart_time(u, i) F1=9.9 转化成特征 是否加购物车、加购物车时间、用户发生购买行为的时间（小时） 解题思路 第二赛季 D全集 P子集 一天购买数据 前一个月 平均17万左右 有交互的 58亿 5亿 解题思路  购买数据分布 在12.18号购买且前一个月交互过 在12.18号购买且前两天交互过 在12.18号购买且前一天交互过 解题思路  购买数据分布 28215 提交量13万 精度9.8% 5886 提交量1万 精度5% 越往前交互越难预测，购买可能性越低 算法介绍  待预测样本选取 加购物车的样本