MalchuL / VK_2023_hackathon

Цифровой прорыв 2023: VK case

Команда "Быстрый Фурье"

В этом репозитории представлено наше решение для задачи предсказания интенсивности взаимодействия между пользователями на платформе VK

1. Подготовка данных.

Мы решили разбиться на несколько человек и по отдельности подготовить фичи.

• attr_processing.ipynb генерируется датасет с атрибутами и (ego_id, u, v) ключами и для каждого ego_id создается свой файл
• graph_features.ipynb генерируется датасет с графовыми фичами, которые не зависят от значений в связях и !!соединяет их с исходными данными
• graph_features.ipynb генерируется датасет с фичами от факторизации

!!Внимание каждый файл генерирует свою папку с фичами ДЛЯ ОТДЕЛЬНОГО эго-графа

2. Модель

• Solve_xgboost_0.247.ipynb Решает задачу при помощи фичей из атрибутов и графов, чтобы получить 0.247 на паблике
• Solve_xgboost_factorization_0.265_factorization.ipynb Решает задачу при помощи фичей из атрибутов и графов и факторизации до значения 0.265 на паблике.

Подходы которые не сработали

• torch_mlp_train.py - Строит простую млп на графовых и атрибутных фичах. дает ~0.1 - 0.2 на паблике

Стек:

• Jupyter
• NetworkX: Построение фичей, анализ графов
• XGBoost: Финальная модель
• Pytorch: Факторизация и MLP

My contact: TG - @MalchuL