基于用户画像的商品推荐

Usage

Requirments

numpy==1.19.5
tensorflow_gpu==2.4.1
gensim==4.0.1
pandas==0.25.3
scikit_learn==0.24.2

代码说明

数据处理

• 根据tagid是否缺失把train和test(复赛数据)分出两部分数据集
• 将复赛数据集的train和test的tagid未缺失用户的tagid序列用来做Word2Vector

模型说明

• 两层GRU
• 五折交叉验证

结果输出

• test中tagid缺失的用户label直接预测为1
• 线下train_tagidNotnull_F1Score为0.6773461

另外：

• 硬件方面用的自己的一块3060显卡，在batch_size为512的时候，仅有3.6G显存；
• 就算这块显卡再不济，也比我的MacBook Pro计算速度快100倍，比免费版Google colab快30倍。
• 跑一次模型从30min~2h不等，跟embedding size、batch_size、hidden 层数有关。