来源：深度之眼 作者：比赛教研部
编辑：学姐

Kaggle OTTO – Multi-Objective Recommender System多目标推荐系统大赛

赛题分析+baseline

1、赛题链接

https://www.kaggle.com/competitions/otto-recommender-system/overview

2、赛题描述

本次比赛的目标是预测电子商务点击、购物车添加和订单。

根据用户的行为记录来预测用户各种行为下次发生交互的商品，这是一个经典的多目标推荐问题。本次比赛的目标是预测电子商务的点击量、购物车的添加量和订单。你将根据用户Session序列中的行为记录来进行推荐。

3、评价指标

这里我们需要对用户的点击，加购，购买行为进行Top-K推荐，我们需要对每一个User的Session序列给出预测的Top-20的Item结果，其评估指标使用Recall进行评估：

这里我们需要分别对这三种行为分别进行Recall指标计算，最后将三个行为的Recall值进行加权求和，其权值如下：

4、数据介绍

我们将数据完全读入，可以看到数据的组织形式如下：

可以看到数据的组织形式十分的简练，但是在训练集里面一共有2亿条数据，数据包含有四列：['session','aid','ts','type'],记录了session的用户的这三种行为，我们挑选几个Session，来根据时间来可视化一下用户的行为类型。

我们对数据中的三种行为的占比进行可视化：

可以看到，用户的绝大多数行为是点击行为，对于加购和购买行为几乎很少。

bassline分析

Item-CF的思路

由于数据量极其的大，我们这里只使用最简单的基于统计的方法来完成此次baseline，这里我们使用Item-CF的思路，通过统计得出Item-Item的相似度矩阵，然后根据用户的行为，推荐出相似的Item以完成Top-20推荐。

由于数据量实在太大，我们这里只采样3000000个session完成下面的baseline。

train_session = random.sample(list(train_df['session'].unique()),config['train_session_num'])
train_df = train_df.query('session in @train_session').reset_index(drop=True)

在过滤完数据之后，我们来生成Item-Pair，这里要注意，每一个Item-Pair都是由在同一天同一个Session中相邻的Item对构成。

def generate_pairs(df): df = df.sort_values(by=['session','ts']) df['aid_next'] = df['aid'].shift(-1) df['session_day'] = df['session'].astype('str')+'_'+df['time_stamp'] df['session_day_count'] = df['session_day'].map(df['session_day'].value_counts()) df['ranking'] = df.groupby(['session_day'])['ts'].rank(method='first', ascending=True) df = df.query('session_day_count!=ranking').reset_index(drop=True)

sim_aids = df.groupby('aid').apply(lambda df: Counter(df.aid_next).most_common(50)).to_dict()
sim_aids = {aid: Counter(dict(top)) for aid, top in sim_aids.items()}
return sim_aids

在完成计算Item-Item的相似度之后，我们就可以来根据相似度矩阵来进行推荐了，其推荐函数如下：

def recommend(aids,popular_items):

if len(aids) >= 20:
    return aids[-20:]

aids = set(aids)
new_aids = Counter()
for aid in aids:
    new_aids.update(sim_aids.get(aid, Counter()))

top_aids2 = [aid2 for aid2, cnt in new_aids.most_common(40) if aid2 not in aids] 
final_rec_list = list(aids) + top_aids2[:20 - len(aids)]

if len(final_rec_list)<20:
    return final_rec_list + popular_items[:20-len(final_rec_list)]
else:
    return final_rec_list

这样就可以完成对用户的推荐了，这里要注意，我们对不同行为的推荐结果都是相同的，由于只有点击行为的数据是非常丰富的，对于其他行为，数据是非常少的，所以这里就直接对这三个行为进行了相同的推荐。

test_df = test_df.sort_values(["session", "type", "ts"]) test_session_dict = test_df.groupby('session')['aid'].agg(list).to_dict() session_id_list = [] item_id_list = []

popular_items = list(train_df['aid'].value_counts().index)

for session_id,session_item_list in tqdm(test_session_dict.items()): item_list = recommend(session_item_list,popular_items)

session_id_list.append(session_id)
item_id_list.append(list(item_list))

res_df = pd.DataFrame() res_df['session_type'] = session_id_list res_df['labels'] = [' '.join([str(l) for l in lls]) for lls in item_id_list]

res_list = [] for type_ in [0,1,2]: temp_df = copy.deepcopy(res_df) temp_df['session_type'] = temp_df['session_type'].apply(lambda x:'{}{}'.format(x,id2type[type])) res_list.append(temp_df) res_df = pd.concat(res_list,axis=0)

可以看到，我们这次的Baseline的代码非常简单，而且效率非常的高，使用Kaggle自带的CPU环境只需要10分钟+就可以完成全流程的跑测，线上得分：0.553，虽然这个得分不是很高，但是这个baseline跑测效率较高，代码结构易懂，其潜力还是很大的～

百场比赛top方案资料包🚀🚀🚀

关注“KGMking”回复“比赛”免费获取

码字不易，欢迎大家点赞评论收藏！