阿里移动推荐算法大赛总结

一、 赛题说明

1. 竞赛题目

在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号：

• U：用户集合
• I ：商品全集
• P：商品子集，P ⊆ I
• D：用户对商品全集的行为数据集合

那么我们的目标是利用D来构造U中用户对P中商品的推荐模型。

2. 数据说明

数据主要包含两个部分。第一部分是1000万用户在商品全集上的移动端行为数据（D），包含如下字段：

字段	字段说明	提取说明
user_id	用户标识	抽样&字段脱敏
item_id	商品标识	字段脱敏
behavior_type	用户对商品的行为类型	包括浏览、收藏、加购物车、购买，对应取值分别为1，2，3，4
user_geohash	用户位置的空间标识，可以为空	由经纬度通过保密的算法生成
item_category	商品分类标识	字段脱敏
time	行为时间	精确到小时级别

实例如：
141278390,282725298,1,95jnuqm,5027,2014-11-18 08
这些字段中behavior_type字段和time字段包含的信息量最大，user_geohash字段由于缺失值太多，基本没法使用。
 
第二个部分是商品子集（P），包含如下字段：

字段	字段说明	提取说明
item_id	商品标识	抽样&字段脱敏
item_geohash	商品位置的空间信息，可以为空	由经纬度通过保密算法生成
item_category	商品分类标识	字段脱敏

实例如：
117151719,96ulbnj,7350

训练数据包含了抽样出来的一定量用户在一个月时间（11.18~12.18）之内的移动端行为数据（D），评分数据是这些用户在这个一个月之后的一天（12.19）对商品子集（P）的购买数据。参赛者要使用训练数据建立推荐模型，并输出用户在接下来一天对商品子集购买行为的预测结果。

3. 评估指标

比赛采用经典的精确度(precision)、召回率(recall)和F1值作为评估指标。具体计算公式如下：

其中PredictionSet为算法预测的购买数据集合，每条记录包含用户id和商品id两个字段，即表示预测某用户会在12月19日购买某商品；ReferenceSet为真实的答案购买数据集合。

二、 数据集分割

1. 日期分割

我们总共获得了1000万用户在一个月的行为数据（11.18~12.18），需要预测的是在12月19日用户的购买情况，因而我们采用滑窗的形式来构造训练集和预测集。

• 线下
  Train Feature Span :11.18