[第二届阿里巴巴大数据智能云上编程大赛]

代码总体说明

• 类似在线信息流产品；但属于双边交易

feature-engineer:

• jd_no_rule jd_编码等规则提取，着重于历史满意度，投递率
• base_model_10_fold 十折基础模型
• mean_encode 采用平均编码对简历核心特征处理；并且对过拟合等做着重处理

explore:

• data_exploration数据eda可视化，便于提取特征与规则

特征:

• 一阶特征
• 二阶特征（交叉特征）
• 文本特征
• ctr特征
• 熵特征

model:

• lightgbm_baseline 模型输出
• ensemble_2model （jd_no_rule+mean_encode）融合模型输出
• ensemble_3model （jd_no_rule+mean_encode+base_model_10_fold）融合模型输出

后续优化:

• 尝试过文本匹配，效果一般；貌似赛题都是针对相似文本的
• 最好的模型结果为jd_no_rule+base_model_10_fold——0.242
• 可能最好的结果jd_no_rule+mean_encode（10折合更多的特征，调参）
• xgboost建立更完善的线下验证机制，完善目标函数
• 深度学习+规则+xgboost+lightgbm融合
• 更全面的数据探索+特征融合

实际项目生产:

• 解决冷启动问题
• 建立知识图谱 清华大学 阿里巴巴等
• 工程化
• 面向HR端可解释

数据：

数据参考链接:https://pan.baidu.com/s/1mWPVAKATgH_5-nKQ_8xlKg 密码:t65m