mengzhongjack / WeChat_Big_Data_Challenge

2021**高校计算机大赛-微信大数据挑战赛Baseline

本次比赛基于脱敏和采样后的数据信息，对于给定的一定数量到访过微信视频号“热门推荐”的用户，根据这些用户在视频号内的历史n天的行为数据，通过算法在测试集上预测出这些用户对于不同视频内容的互动行为（包括点赞、点击头像、收藏、转发等）的发生概率。

本次比赛以多个行为预测结果的加权uAUC值进行评分。大赛官方网站：https://algo.weixin.qq.com/

1. 环境配置

• pandas>=1.0.5
• tensorflow>=1.14.0
• python3

2. 运行配置

• CPU/GPU均可

• 最小内存要求

  • 特征/样本生成：3G
  • 模型训练及评估：6G

• 耗时

  • 测试环境：内存8G，CPU 2.3 GHz 双核Intel Core i5
  • 特征/样本生成：226 s
  • 模型训练及评估：740 s

3. 目录结构

• comm.py: 数据集生成
• baseline.py: 模型训练，评估，提交
• evaluation.py: uauc 评估
• data/: 数据，特征，模型
  • wechat_algo_data1/: 初赛数据集
  • feature/: 特征
  • offline_train/：离线训练数据集
  • online_train/：在线训练数据集
  • evaluate/：评估数据集
  • submit/：在线预估结果提交
  • model/: 模型文件

4. 运行流程

• 新建data目录，下载比赛数据集，放在data目录下并解压，得到wechat_algo_data1目录
• 生成特征/样本：python comm.py （自动新建data目录下用于存储特征、样本和模型的各个目录）
• 训练离线模型：python baseline.py offline_train
• 评估离线模型：python baseline.py evaluate （生成data/evaluate/submit_${timestamp}.csv）
• 训练在线模型：python baseline.py online_train
• 生成提交文件：python baseline.py submit （生成data/submit/submit_${timestamp}.csv）
• 评估代码: evaluation.py

5. 模型及特征

• 模型：Wide & Deep
• 参数：
  • batch_size: 128
  • emded_dim: 10
  • num_epochs: 1
  • learning_rate: 0.1
• 特征：
  • dnn 特征: userid, feedid, authorid, bgm_singer_id, bgm_song_id
  • linear 特征：videoplayseconds, device，用户/feed 历史行为次数

6. 模型结果

stage	weight_uauc	read_comment	like	click_avatar	forward
离线	0.657003	0.626822	0.633864	0.735366	0.690416
在线	0.607908	0.577496	0.588645	0.682383	0.638398

7. 相关文献

• Cheng, Heng-Tze, et al. "Wide & deep learning for recommender systems." Proceedings of the 1st workshop on deep learning for recommender systems. 2016.