第6名解决方案

首先，感谢竞赛主办方举办了这场有趣的比赛，也感谢我优秀的队友们 (@Giba, @qysx, @hyd)。其次，感谢 Kaggle 社区，我从那些优秀的 Kernel 和讨论中学到了很多。

在本次比赛中，我们需要根据用户的历史购买行为向其推荐产品。为了解决这个问题，我们的方案分为两部分：召回 和 排序。生成候选集的良好策略和特征工程对于取得好名次都至关重要。

召回

我们使用了多种方法来生成不同的候选集，以提高正样本的覆盖率（包括用户和用户-商品对）。

1. u2i： 用户最近购买的商品。
2. i2i： 基于商品的协同过滤。
3. u2tag2i： 标签可以是 "product_code"、"product_type_no"、"department_no"、"section_no"。
4. hot： 针对不同年龄段 用户生成的热门商品。

特征

最重要的特征如下：

1. count： 基于用户、商品、用户-商品对的计数。利用所有历史数据生成用户特征非常重要。
2. gap： 用户、商品、用户-商品对首次/最后一次购买时间距今的时间间隔。对于商品的首次购买时间，它可能代表该商品的“发布时间”。我们可以以“用户”为键计算“发布时间”的统计量，这有助于了解用户对新旧商品的偏好。
3. 商品折扣： 使用最大值/平均值代表商品的常见价格。使用每一行的价格计算商品的折扣。从而我们可以得到用户对打折商品的偏好以及商品最近打折的天数。
tfidf： 将用户历史购买的 article/product_code/product_type_no 设为一个句子，然后使用 tfidf+svd 生成特征。
4. item_sim： i2i 的协同过滤得分，计算候选商品与用户历史购买商品之间的相似度。
5. 为 lightgbm 设置 categorical_features（如 "department_no", "product_type_no" 等）可以将 cv 分数提高约 0.0005~0.0008。

模型

我们使用最后 9 周的数据进行训练（最后一周用于验证）。我们最好的单模型是 CatBoost，CV 分数为 0.0403，LB 分数为 0.0341。我们使用了多个模型进行集成（CV: 0.0412, LB: 0.0348）。我们使用了 Giba 之前分享的 Kernel 来处理混合时的不同候选列表。

我们最佳 CV 的结果在 PB（Public Board）上也是最好的。在 Kaggle 上相信本地 CV 真的非常重要。

Giba 的解决方案

根据过去 2 周的销售热度设定约 1 万个 article_id 候选列表。构建一个包含 customer_id x 10k article_id 所有组合的二分类数据集。分批构建该海量数据集并使用 cudf 加速整个过程。从第 90 周到第 104 周创建二分类训练集。在第 90-103 周训练模型，在第 104 周验证。为了训练模型，为每个 customer_id 随机选择 200、300 或 500 个负样本。混合使用 LightGBM lambdarank、LightGBM xendcg、XGBoost lambdarank 和 CatBoost ranker 训练的模型