基于用户图像的商品推荐挑战rank5
科大讯飞这场比赛终于结束了。 初赛和复赛我在最后几天开始了。 如果deadline不出手的话，后期想尝试新算法也没有时间。
最终排名第五，有点遗憾！ 以后最好早点接触！
比赛链接
复赛的主要解决方案：
数据处理
根据是否缺少tagid，将train和test (复试数据)分为两个数据集
Word2Vector使用不缺少重试数据集train和test tagid的用户的tagid序列
双重GRU
test中tagid缺失的用户的label被直接预测为1
脱机train_tagidNotnull_F1Score为0.6773461
另外：
硬件方面使用的自己的3060显卡，batch_size为512时，只有3.6G的显存； 无论这张显卡多么贫乏，它的计算速度都比我的MacBook Pro快100倍，比免费版谷歌colab快30倍。 每次运行模型为30min~2h，与嵌入式大小、batch_size、hidden层数有关。 在下一场其他比赛中更加努力！ 加油！
比赛代码见github。 欢迎来到star！