根据商品评分推荐商品算法练习赛

分享给好友

立即报名

立即报名

项目简介

此数据集用于根据用户给商品的评分,给用户推荐相关的商品。在此数据集中每条数据包括用户ID,商品ID以及评分。

数据描述

字段说明:

字段名 字段类型 取值区间 字段描述
ID int 不为空 编号
userId int 大于等于 0, 小于等于 60000 用户id
itemId int 大于等于 0, 小于等于 200 商品id
rating float 大于等于 0, 小于等于 10 用户对该商品的评分

输入字段:

userId,

itemId,

输出字段:

rating,

数据集来源: Recommend

参考文献:

[1]https://github.com/kuhung/DateCastle

奖励说明

1.总积分
- 本项目总积分为 INIT = 120000 FAI
2.积分获取计算方式
- 所获积分均为整数
- 根据【Score】得分值做为奖励基本依据
- FAI(N)表示该项目中用户第N次更新得分获得的积分数量(详见下方计算公式)
3.积分获取规则
- 获得的积分奖励均为整数值
- 不超过项目中现有的【Score】,无法获得积分奖励
- 由FlyAI提供的样例得分作为基准得分值,需超过基准得分才可以参与
- 通过更新项目的【Score】获得奖励.值越接近 100 ,获得的积分奖励相应也会越高
4.额外奖励机制
- 通过使用不同类型的深度学习框架提交算法,可额外获得FAI值奖励
- 上传的算法模型,其他用户成功下载后可额外获得FAI值奖励!奖励额度根据【Score】得分浮动计算

计算公式

排行榜

(每日 24 时更新)

1

提供者:baseline

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为7.25。

2019-04-04 11:23:11

7.25

2

提供者:WillGO!

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为7.2。

2019-04-17 10:20:59

7.20

3

提供者:decoo

batch数据为256,循环次数为2000次,损失函数优化完,最终完成评分为1.93。

2019-04-05 20:51:22

1.93

4

提供者:An

batch数据为128,循环次数为300次,损失函数优化完,最终完成评分为1.51。

2019-04-10 08:11:46

1.51

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

挑战者大赛 官方交流群

训练记录

你还没有任何提交记录喔...

使用指南

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

下载完成之后,执行下列命令并使用微信扫码登录

./flyai init

登录成功之后,会自动下载运行所需环境

4. 本地开发调试

执行

./flyai test

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

默认训练成功后不公开在项目排行榜中,公开项目需在提交训练时执行

./flyai train -p=1

完整训练设置执行代码示例:

./flyai train -p=1 -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 ,公开提交模型

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

报名成功!

感谢您的参与!点击 下载资料 并及时提交您的作品

下载资料

打开微信,使用扫一扫功能分享给好友