1. 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）

2. 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

3. 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

4. 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)

5. 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

6. ensemble

  python3 src/combine_nffm.py
  python3 src/combine_xdeepfm.py
  python3 src/combine.py

7. pipeline

  bash run.sh