鞋靴消费者上下文感知推荐训练数据
收藏资源简介：
面向鞋靴电商平台场景化推荐任务，构建用于训练上下文感知下单预测模型的数据集。数据综合用户匿名标识、行为时段、城市气候区、天气、节假日状态、浏览商品品类和上下文特征拼接向量，预测用户在特定上下文下浏览鞋靴后的成交结果，用于首页推荐、天气关联推荐和商品排序，解决推荐忽略实时场景导致匹配度不足的问题。一、加工前的数据说明：原始数据来源于企业自有鞋靴电商平台用户浏览日志、订单成交记录和上下文环境记录，原始字段包括用户id、行为时间、城市、天气、节假日标记、浏览商品品类、成交状态。 二、处理规则：1.清洗：按用户浏览事件去重，剔除用户id、上下文字段、浏览商品品类或成交状态缺失的记录，并过滤异常机器人访问。2.编码：行为时段、城市气候区、当日天气类型、是否为节假日按固定顺序one-hot编码并拼接为13维上下文特征拼接向量；浏览商品品类转为品类嵌入，用户id转为匿名用户嵌入。3.模型训练：采用三塔下单预测模型，用户塔、商品塔、上下文塔分别提取表示，融合权重为用户特征0.20、商品品类特征0.30、上下文特征0.50，拼接后经两层全连接网络和sigmoid输出成交概率；损失函数为二分类交叉熵，Adam优化，学习率0.001，批量128，迭代100轮，以验证集AUC连续5轮不提升早停。4.验证：以是否成交为监督标签，使用AUC、准确率、召回率、F1和LogLoss验证模型效果，并按数据集划分标识训练、验证、测试。 三、数据内容描述：最终形成鞋靴消费者上下文感知推荐训练数据集合，包含以下字段：1）用户id：经无规则编码化处理的用户唯一标识；2）行为时段：用户产生浏览行为的时段（早/午/晚/深夜）；3）城市气候区：用户所在城市的气候区域（北方/南方/沿海）；4）当日天气类型：行为发生当日的天气状况（晴/阴/雨/雪）；5）是否为节假日：行为发生日期是否为节假日（1=是，0=否）；6）浏览商品品类：用户浏览的鞋靴商品所属品类（休闲鞋/凉鞋/户外鞋/正装鞋/运动鞋）；7）是否成交：该次浏览行为是否最终产生成交（成交/未成交），作为模型预测目标标签；8）上下文特征拼接向量：由行为时段（4维）、当日天气类型（4维）、是否为节假日（2维）、城市气候区（3维）依次one-hot编码后拼接而成的13维特征向量，作为推荐模型的上下文特征输入；9）数据集划分标识：样本所属子集类型（train/val/test）。
