-
环境配置和依赖库：
-
python3
-
TensorFlow >=1.3
-
scikit-learn
-
Ubuntu 16.04, 128G内存, 8路显卡（能够并行完整跑完run.sh的环境，需要5张显卡，否则请修改run.sh，自己合理安排显卡的利用）
-
-
特征工程说明：
-
基本特征：31个ID特征
-
长度特征：多值特征的长度，共11个特征（如interest的个数）
-
计数特征：uid的总数和正负样本数，uid和所有广告特性的正负样本数，共25个特征（如uid与advertiserId交叉ID出现的正负样本数）
-
总特征：31+11+25=67个
-
-
模型结构与参数说明：
-
此次比赛使用了两种模型，nffm与xdeepfm，相关模型成绩如下：
复赛数据 复赛+初赛数据 ensemble nffm(单模型) 0.764 0.770 0.7734 xdeepfm(单模型) 0.763 0.766 0.770 nffm+xdeepfm 0.768 - 0.7740 -
nffm：nfm的变种，在Bi-Interaction中替换FFM，并且只使用用户与广告的交叉，https://arxiv.org/pdf/1708.05027v1.pdf. 参数如下：
- embedding的维度：16
- 优化器与学习率，batch大小：adam，0.00002，4096
- MLP的隐藏节点与激活函数：[128,128,128,1]，['relu','relu','relu','linear']
- 多值特征使用mean pooling
- epoch=1
-
xdeepfm: https://arxiv.org/pdf/1803.05170.pdf. 参数如下
- embedding的维度：16
- 优化器与学习率，batch大小：adam，0.00002，4096
- MLP的隐藏节点与激活函数：[400,400,400,1]，['relu','relu','relu','linear']
- 卷积核维度与激活函数：[128,128,128], identity
- epoch=1
-
如需达到线上0.7748的成绩，修改nffm的MLP参数，300与512，各训练五个模型，进行ensemble即可
-
数据预处理：
- 把初赛数据放在data/preliminary_data，把复赛数据放在data/final_data
python3 -u src/extract_features.py(如果不使用初赛数据，请在调用pre_data函数时，设置preliminary_path=None)
-
训练模型:
python3 -u src/train.py gpu_id chunk_id chunk_num model_name sub_name
- gpu_id：用于训练模型的gpu的编号（如第一张卡，设置为0）
- chunk_num：将数据分成chunk_num块，如chunk_num=5，则把数据分成ABCDE五部分
- chunk_id：数据块的起始编码，如chunk_id=2，则训练顺序为CDEAB。（便于ensemble）
- model_name：nffm/xdeepfm
- sub_name：预测结果的文件名，保存在result_sub目录中
- ensemble
python3 src/combine_nffm.py
python3 src/combine_xdeepfm.py
python3 src/combine.py
- pipeline
bash run.sh