H&M商品推荐比赛（rank1162952）方案.zip

# H-M-Personalized-Fashion-Recommendations rank: 116/2952 —— the Program of this competition # HM 商品推荐复盘 比赛网址：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations #### 比赛介绍 以以往的数据以及顾客和商品的元数据来开发产品推荐，例如服装类型和客户年龄，到产品描述的文本数据，再到服装图片的图像数据， 特征提取： + 多模态，文本以及图像 + 表格数据 + 最终的方案就是，表格数据抽取特征为主，多模态，文本图形为辅助 评价标准（MAP@12）：预测一个人再一周以后的购买情况。也就是推出top12 #### 数据说明 图像 item：10w中服装 用户数量： 用户和items的交互数据：3000w条数据 #### 方案策略 + csv保存为pickle，可以节省时间 + 特征工程是本次比赛的重点： + 创建user-items矩阵，使用LightFM库，训练了user的embedding + 对商品的属性特则会那个做ont-hot编码，并入交易表，然后groupby user聚合。构成了user和商品属性之间的关系特征。 + 通过上述新特征，生成candidates候选项，并且衍生出少量rank特征 + 还生成了user的静态特征，user动态特征，item静态特征，item动态特征，user-item对静态特征，user-item对动态特征 + 训练集分配 #### 比赛难点 提取有用特征，多模态还是特征工程 #### 代码 特征提取用的是：lightFM模型，loss用的是bpr loss 商品召回的主要策略： + repurchase + 10**9 * day_rank + volume_rank（我们认为时间越近越重要） + day_rank是购买的日期距离 + volume_rank是购买的重复购买的数量 + 以此排序取全部值 + item2item + 和repurchase的方法一样，不一样的就是取的值 + 每个用户取至少前12个item + popular + 选取购买最多的商品，的前60个 + 提取全部用户 + 每个用户对应每个商品，以此创建candidates + category popular + 选取购买数量最多的商品类别 + 以item2item的商品，用用户-类别对的数量作为groupby，再结合商品特征作为candidates 最后，从 candidates_category_popular 中 drop 那些在 candidates_repurchase 出现过的 user-item 对 特征提取包括： + 静态特征 + 年龄 + idx结尾特征 + 动态特征 + 交易表中，每个用户在某个时间段的[price 和 sales_channel_id]的[平均值,标准差] + 交易表中，每个item在某个时间段的[price 和 sales_channel_id]的[平均值,标准差] + 交易表某段week，加入年龄列 + item新鲜度特征 + 每个item被购买量 + user新鲜度特征 + 每个user购买量 + user-item对新鲜度特征 + user-item购买量 + lfm features 模型主要用的是： + lightBGM + CatBoost