dpoqb / wechat_big_data_baseline_pytorch

2021**高校计算机大赛-微信大数据挑战赛Baseline（Pytorch版）

代码实现基于DeepCTR，只做了简单数据预处理，采用的是基本特征（离散特征：{'userid', 'feedid', 'authorid', 'bgm_song_id', 'bgm_singer_id'}，连续特征：{'videoplayseconds'}），单个任务逐个预测，大家可以尝试改进原有的模块，并尝试新的模型和新的建模方法。 baseline纯为学习和参考，有什么做的不对的地方，还请大佬们批评和指正😄

1.环境配置

• python3
• torch 1.6
• deepctr-torch 0.2.6
• pandas 1.0.1
• scikit-learn 0.22.1

2.运行配置

• CPU/GPU均可
• 最小内存要求
  • 特征/样本生成：6G
  • 模型训练及评估：4G

3.目录结构

• prepare_data.py 数据集生成
• baseline.py: 模型训练，评估，提交

4.运行流程

• 新建data目录，下载比赛数据集，放在data目录下并解压，得到wechat_algo_data1目录
• 数据集生成：运行prepare_data.py
• 模型训练，评估，提交：运行baseline.py

5.模型及参数

模型：DeepFM

参数： batch_size: 512

optim: Adagrad

num_epochs: 5

learning_rate: 0.1

6.模型结果

我的线下验证集评价指标还没有改成和官网一致的方法，所以参考意义不大，需要大家重写评估方法

线上：

weight_uauc	read_comment	like	click_avatar	forward
0.640712	0.624132	0.61151	0.705983	0.664097

7.相关文献

Guo H, Tang R, Ye Y, et al. Deepfm: a factorization-machine based neural network for ctr prediction[J]. arXiv preprint arXiv:1703.04247, 2017.