第23名方案

祝贺所有的获胜者，非常感谢主办方举办了如此有趣的比赛！
也要感谢我的队友 @zakopur0、@irrohas、@negoto、@dehokanta。
这次比赛对我们来说非常艰难。我将在这里分享我们团队 ZKMRD 的解决方案。

摘要

候选集

我们通过多种策略为每位客户和每周生成商品候选集。

• 最热门商品
• 过去购买过的商品
• 基于用户的协同过滤
• 基于物品的协同过滤
• 不同颜色

特征工程

这是我们在最后两周能够提高分数的一个重要原因。

客户静态属性

• customers.csv 中的基本属性

客户动态属性

• 购买次数
• 最后购买标志
• 距离上次购买的天数/周数
• 购买商品的价格/折扣
• 平均销售渠道
• 按商品分段的购买率
• 复购率

商品静态属性

• articles.csv 中的基本属性
• Bert 句向量

商品动态属性

• 趋势值
• 每周热门排名
• 购买次数（1天前、2天前、上周..）
• 按分段（年龄、商品组）统计的购买次数
• 按分段（年龄、商品组）统计的热门排名
• 平均销售渠道

协同过滤 (CF) 特征

• 基于物品的 CF 分数
• LightGCN（基于 GCN 的 CF 模型）的分数/排名

数据集

创建一个好的数据集很难，但在 @paweljankiewicz 和 @lihaorocky 的评论帮助下，我们成功了。非常感谢。

关于数据集的关键点：

• 仅使用生成的候选样本，而非所有正样本
• 使用在候选集中至少有一个正样本的客户
• 从候选集中移除当前非在售商品

模型

我们团队使用了 LGBMRanker 模型。
设置非常简单，没有什么特别的。

交叉验证 (CV)

CV 策略如上图所示。

• 创建特征和候选集：来自训练集的过去一周
• 训练：100w-103w
• 验证：104w

在创建提交文件时，我们使用 100-104w 作为训练集。

后处理

我们对所有模型应用了两种后处理方法。

1. 使用基于年龄的最热门商品作为冷启动客户的预测。
2. 从偏好线下购买的客户中移除低线下销售比率的商品。

模型融合

融合了由不同候选集和特征生成的 6 个模型预测结果。
模型融合对我们的模型很有效。LB 分数提高了约 0.001。