%20(2).svg)
项目简介
本项目是为2021中国高校计算机大赛 - 微信大数据挑战赛设计的Baseline模型。利用脱敏和采样后的数据信息，通过算法预测用户对微信视频号“热门推荐”中不同视频内容的互动行为（如点赞、点击头像、收藏、转发等）的发生概率，评分标准为多个行为预测结果的加权uAUC值。
项目的主要特性和功能
- 模型架构：采用Wide & Deep模型，结合线性模型和深度神经网络提升预测精度。
- 特征工程：包含用户ID、视频ID、作者ID等DNN特征，以及视频播放时长、设备类型等线性特征。
- 评估指标：运用加权uAUC值评估模型性能，涉及点赞、点击头像、收藏、转发等多个互动行为。
- 数据处理：支持离线和在线训练数据集的生成、特征提取以及模型训练。
安装使用步骤
环境配置
确保安装了Python 3以及以下依赖库： - pandas>=1.0.5 - tensorflow>=1.14.0
数据准备
新建data目录，下载比赛数据集并解压到data目录下，生成wechat_algo_data1目录。
特征/样本生成
运行python comm.py，自动生成特征和样本，并存储在data目录下。
模型训练与评估
- 离线模型训练：运行
python baseline.py offline_train。 - 离线模型评估：运行
python baseline.py evaluate，生成评估结果文件data/evaluate/submit_${timestamp}.csv。 - 在线模型训练：运行
python baseline.py online_train。 - 生成提交文件：运行
python baseline.py submit，生成提交文件data/submit/submit_${timestamp}.csv。
模型结果查看
使用evaluation.py查看模型的评估结果，包括离线和在线阶段的加权uAUC值。
通过以上步骤，可顺利运行本项目，进行用户互动行为的预测和模型性能评估。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】