---

零基础入门推荐系统 - 新闻推荐 - 实操1

赛题数据介绍:

赛题以预测用户未来点击新闻文章为任务，数据集报名后可见并可下载，该数据来自某新闻APP平台的用户交互数据，包括30万用户，近300万次点击，共36万多篇不同的新闻文章，同时每篇新闻文章有对应的embedding向量表示。为了保证比赛的公平性，将会从中抽取20万用户的点击日志数据作为训练集，5万用户的点击日志数据作为测试集A，5万用户的点击日志数据作为测试集B。

数据集介绍:

详细数据链接如下:

名称	大小	备注
articles.csv	9.89MB	新闻文章信息数据表
articles_emb.csv	973.15MB	新闻文章embedding向量表示
testA_click_log.csv	20.47MB	测试集用户点击日志
train_click_log.csv	43.5MB	训练集用户点击日志
sample_submit.csv	831KB	提交样例文件

articles_emb.csv: (MD5:1f8a7fc79e0ad13311e27e3408d0287b)

字段表:

因为不同文件链接字数太长, 这里是将其下载了放到了一个位置, 需要的可以自取:

link：https://pan.baidu.com/s/1pLm_DQvDm5FSTHaW5Britw?pwd=ww50
passwd：ww50

我的项目结构如下图所示:

读取数据集:

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
import seaborn as sns 
import os 


articles = pd.read_csv('data/articles.csv')
articles_emb = pd.read_csv('data/articles_emb.csv')

train_clicks = pd.read_csv('data/train_click_log.csv')
test_clicks = pd.read_csv('data/testA_click_log.csv')

变量表如下所示: