4 阿里移动推荐算法 NEU_Smart.pdf

《4 阿里移动推荐算法 NEU_Smart.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、阿里移动推荐算法大赛答辩NEU-Smart团队回顾首次模型测评加入隔天购买特征3.84以隔天购买为研究对象。运5.97对原隔天购买模型，添加有8.64用GBDT模型进行训练，取针对性的特征，如：用户30所有预测结果为1的样本。天内对该类商品隔天购买次数。来识别经常隔天购买的用户。2015.5.52015.5.172015.6.42015.6.82015.7.1规则提交将重复购买分开训练最终成绩对已经被加入购物车的商品，对前一天已经购买，第二天添加隔两天购买模型，提高按18日最后交互时间递增的继续购买的u-i样本建立召回率。并调整现有的几个顺序

2、，取相应比例的商品作5.44GBDT模型。与原有的隔一6.04模型结果在递交中所占比例。为结果天购买的预测结果结合，调整二者比例，进行结果递交。问题分析二分类问题归纳回归问题Rank问题已知数据信息：字段字段说明提取说明user_id用户标识抽样&字段脱敏item_id商品标识字段脱敏behavior_type用户对商品的行为类型浏览、收藏、加购物车、购买user_geohash用户位置的空间标识，可以为空由经纬度通过保密的算法生成item_category商品分类标识字段脱敏time行为时间精确到小时级别任务：根据11月18日~12月18日

3、的用户行为记录预测12月19日用户对O2O商品购买行为数据分布行为数据与商品数据分布一致，O2O数据基本上占总体数据的9%利用纯O2O行为数据的同时，充分考虑如何利用非O2O的行为数据数据分析一个月时间内各天的购买情况（基于Season1的数据）1800(u,i)pairsitems1350users90045002014‐11‐182014‐11‐232014‐11‐282014‐12‐032014‐12‐082014‐12‐132014‐12‐181212销售量明显高于其他时候，1212销售量明显高于其他时候，需要特殊处理！需要特殊处理！

4、数据分析周一到周日各天购买情况（基于Season1的数据）70000(u,i)pairsitemsusers5250035000175000Sun.Mon.Tue.Wed.Thu.Fri.Sat.相对比较平稳，总体来说预测日相对比较平稳，总体来说预测日（周五）的（周五）的购买需求不强购买需求不强业务分析预测的商品子集主要是020的服务行业。ò服务地点存在一定规律线上消费、线下服务ò服务商品存在一定的时间规律ò和非O2O商品的关联关系ò周期性购买服务ò区域间的竞争ò….特征工程UserFeature用户活跃度用户购买力用户转化率ItemFeat

5、ure用户行为模式01商品活跃度UCFeature商品销售量商品转化率用户对类别的喜好程度0602商品竞争优势用户对类别的转户率商品隔天/重复购买模式用户对类别的购买力用户对类别的隔天购买模式CategoryFeature用户对类别的重复购买模式商品类别活跃度UIFeature0503商品类别销售量用户对商品的喜好程度用户商品类别转化率购买商品的行为模式商品类别竞争优势行为占比04商品类别隔天/重复购买模式GEORankBasedFeature地区购买力基于U分组排序地区转化率基于UC分组排序地区间竞争优势基于GEO分组排序特征工程——Use

6、r特征最近n天的各个行为和最近1,3天的购买行为总和（所有行为数据包括非O2O数据）用户最近n天活跃度最早一次交互/购买距离预测日前一天的时间间隔最后一次交互/购买距离预测日前一天的时间间隔最近N天隔天购买比率最近N天隔天购买次数新用户标注特征工程——User特征考虑week因素用户在各个周五(周四/周三)的活跃度、购买力、购买可能性考虑时间衰变用户最近n天的时间衰变行为和特征工程——Item特征商品最近n天基本行为统计商品最近n天活跃度新商品标注最后一次交互/购买距离预测日前一天的时间间隔最早一次交互/购买距离预测日前一天的时间间隔商品最近

7、n天隔天销售次数商品最近n天隔天销售比率商品最近n天的时间衰变行为和注：同时考虑week影响，提取商品在各个周五(周四/周三)的活跃度、销售量、销售可能性特征工程——Category特征Category特征是Item层面的聚集,与Item特征类似隔天购买的两种情况第一天交互的item与第第一天交互的item与二天购买的item是同一第二天购买的item在个item同一个Category看什么item看什么category买什么item买什么category特征工程——UI,UC特征最近N天的行为和最近n天的权重行为和最近n天的权重行为平方和最

8、近N天各行为占比最后一次交互/购买距离预测日前一天的时间间隔最早一次交互/购买距离预测日前一天的时间间隔用户最近n天的时间衰变行为和UC行为在U中占比注：UC特征是