Бэйслайн к задаче RetailHero.ai/#2 от @geffy

Репозиторий содержит:

• item-to-item модель (NMAP 0.1137, top5 на 09/01/2020)
• распиливание исходных данных на шарды
• вспомогательный переиспользуемый код
• скрипты и для обучения кастомных эмбеддингов на pytorch
• быстрый поиск соседей в связке с faiss
• кастомный docker-образ с поддержой pytorch 1.3 и faiss

Код написан так, что вполне успешно отрабатывает на машине с 8gb ram.

Шаги по подготовке:

0. Скопировать данные в data/raw

cd {REPO_ROOT}
mkdir -p data/raw
cp /path/to/upacked/data/*.csv ./data/raw
cd src

1. Разделить исходные данные о покупках на 16 частей

python3 purchases_to_jrows.py

2. Подготовить train/valid данные в формате, максимально близком к формату check_queries.tsv

python3 train_valid_split.py

3. Обучить item-2-item модель:

python3 train_i2i_model.py

4. Скопировать артефакты в сабмит

cd {REPO_ROOT}
mkdir -p submit/solutions/assets
cp ./data/raw/products.csv submit/solutions/assets
cp ./tmp/implicit_cosine1/model.pkl submit/solutions/assets

5. Упаковать сабмит

cd submit
zip -r submit_title.zip solution/*

6. Profit!

Результаты:

Check: 0,1113
Public: 0,1137

Обучение кастомных эмбеддингов в текущем решении фактически не используется, их код оставлен для экспериментов.