4 阿里移动推荐算法 NEU_Smart.pdf

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。 2015.5.5 2015.5.17 2015.6.4 2015.6.8 2015.7.1 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，取相应比例的商品作     5.44 GBDT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  由经纬度通过必威体育官网网址的算法生成 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) pairs