Home

Awesome

Tencent2018_Final_Phrase_Presto

腾讯2018广告大赛的决赛代码(初赛决赛数据格式一样,其实没区别。)。 两个LGB模型融合,最后成绩0.7534

赛题为相似人群拓展(Lookalike),基于广告主提供的一个种子人群(又称为种子包),自动计算出与之相似的人群(称为扩展人群)。

相关博客介绍:https://blog.csdn.net/HapHapYear/article/details/114643376?spm=1001.2014.3001.5502

原始数据下载(初赛):https://pan.baidu.com/s/1M0Ch4az50_RtGotmUJgqJA 提取码:50du

2018题目手册:https://pan.baidu.com/s/1xDWQbpvvSikTxn1x1csJgQ 提取码:u5jr


由于本次比赛数据量巨大,加上本人能力和毕业季精力有限,本开源的成绩并不是很理想,仅供参考。 这是一个纯LGB模型,包括普通统计模型和独热统计模型两部分,分别单独跑出两个模型的结果后,对result进行平均已获得最终结果。

普通统计特征包括: 简单ID计数统计,对kw,topic做词向量训练后聚类,利用交叉窗口统计ID的转化次数等。

独热统计特征包括: 简单ID独热编码,几个交叉ID的独热编码,interest,kw,topic的词袋编码。

比赛打得很间断,特征是一步步生成的,普通统计模型需按顺序运行feature_dig_v1-v8,然后运行LGB模型的训练,onehotModel文件夹下保存的是独热模型, 需要单独训练(由于OneHot内存占用巨大,该模型我只取了部分数据来做独热) preProcessing.py为对原始数据的预处理(原始数据扔到data/origin目录下,剩下的中间结果会保存到目录的各个文件夹下)。 resultProcessing.py用于对两个模型进行加权平均。

总而言之,很多东西都写的很粗糙,看看就好,本届比赛其实是NN的天下。

*初赛时本人尽力使用笔记本打比赛,发现这届数据量实在撑不住,NN用的也不太熟练就放弃了,最后还是使用了服务器,所以这份代码对内存需求还是很大的。


有兴趣的可以看看我去年的代码(明示骗点击):https://github.com/BladeCoda/Tencent2017_Final_Coda_Allegro