【數(shù)據(jù)競賽】學特征工程就看這篇,解析IJCAI18亞軍方案之特征工程
1??搜索競賽特征工程總結
很多搜索推薦的工業(yè)界大模型的特征工程核心可以分為用戶側，商品側還有一些其他側(一些i2i,u2i等的上游特征)三大類。
本篇文章，不考慮所有時間等因素，直接調研和搜索相關的競賽，并對其特征和模型訓練技巧進行總結。
如果是count特征，我們的[XXX]就直接省略
2.1??User側特征
2.1.1??User單階特征:groupby(user)[XXX]
user + [time]: 相鄰時間戳的最小/最大/均值/中位數(shù)(min/max/mean/median(time_diff)), 當前時間與最早一次/最近上一次時間的差值, 與最后一次/最近下一次時間的差值；
反映用戶的活動頻繁度
user + [query/item/...]：搜索不同query的次數(shù),商品數(shù),... nunique(query/item/shop/brand/city)
反映用戶的興趣是否寬泛
user + [istrade]: 用戶連續(xù)未購買商品數(shù),用戶連續(xù)未購買次數(shù); 用戶購買的item數(shù)和未購買的商品/商店數(shù),以及二者的比例.
用戶的近期購買興趣,僅僅是為了看商品，還是希望買商品
2.2??Item側特征
2.2.1??Item/shop/brand...單階特征:groupby(item)[XXX]
item/shop/brand + [buy]: 商品過去每天的曝光次數(shù)(count),被購買次數(shù)(buysum)
item/shop/brand + [time & buy]: 商品過去一段時間購買的趨勢特征(后一天與前一天的購買比例/曝光比例);
item/shop/brand + [time & buy]: 商品第一次被購買的時間與商品第一次曝光的時間差;
item/shop/brand + [time & price/score...]: item近期商品屬性的變化,例如price/星級/好評等.(mean,std,val-mean)
2.2.2??Item的內(nèi)部組合特征
Item在shop/city/country/brand/query下的點擊率/購買率排名;
shop在brand/city/country/query下的點擊率/購買率排名;
brand在city/query下的點擊率/購買率排名;
cate在city下的點擊率/購買率排名;
3.1??User+Query特征(二階/高階):groupby(user+query+other)[XXX]
同一個user在Query側的特征(滑窗)
user + query, (之前/之后)有幾次相同的值(count/ratio)，(之前/之后)有幾次不相同的值(count/ratio)
此處的ratio為count再除以user+query的前后的count
user + query + item/shop/brand/city/context_page_id特征, (之前/之后)有幾次相同的值(count/ratio)
user + query + item_category_list特征, (之前/之后)有幾次相同的值(count/ratio)
user + query + [time]: 相同query最小/最大時間(min(time))
user + query + [item/shop]: 在該query之前/之后用戶訪問的item/shop數(shù)目
3.2??User + Item特征(二階/高階):groupby(user+item+other)[XXX]
user + item + [predict_category_property/query/...],(之前/之后)有幾次不同的值(nunqiue)
user + shop + [predict_category_property/query/...],(之前/之后)有幾次不同的值(nunqiue)
user + brand + [predict_category_property/query/...],(之前/之后)有幾次不同的值(nunqiue)
user + city + [predict_category_property/query/...],(之前/之后)有幾次不同的值(nunqiue)
user + item/: 用戶在之前之后點擊了多少價格更低的商品，銷量更高的商品，評價數(shù)更多的店鋪，好評率高的店鋪，星級高的店鋪，服務態(tài)度高的店鋪，物流好的店鋪，描述評分高的店鋪
從特征重要性看,除去一些基礎特征和穿越特征(例如next diff等),Query相關的特征占比非常大；而且從答辯PPT看來,Query相關的特征也是幫助最大的一波,而這在大模型模塊是可以重點參考的;
第二部分是rank相關的特征(某個item在某個品牌下的銷量排名等)，該部分特征是方案中提升很大的另一部分;
IJCAI-18亞軍分享：https://tianchi.aliyun.com/forum/postDetail?postId=5311
IJCAI-18亞軍特征重要性:https://github.com/YouChouNoBB/ijcai-18-top2-single-mole-solution/blob/master/file/fea_importance.csv
答辯PPT:https://tianchi.aliyun.com/forum/postDetail?spm=5176.12586969.1002.9.6d0a48c58rjez0&postId=5311
往期精彩回顧
獲取一折本站知識星球優(yōu)惠券，復制鏈接直接打開：
https://t.zsxq.com/yFQV7am
本站qq群1003271085。
加入微信群請掃碼進群：