Kaggle賽題解析：OTTO電商商品推薦

比賽名稱：OTTO – Multi-Objective Recommender System

基於(yu) 真實電子商務會(hui) 話構建推薦係統

比賽鏈接：https://www.kaggle.com/competitions/otto-recommender-system

比賽類型：推薦係統、電子商務

比賽背景

在線購物者可以從(cong) 大型零售商那裏挑選數百萬(wan) 種產(chan) 品。雖然這種多樣性可能令人印象深刻，但有這麽(me) 多可供探索的選擇可能會(hui) 讓人不知所措，導致購物者帶著空車離開。這既不利於(yu) 尋求購買(mai) 的購物者，也不利於(yu) 錯過銷售的零售商。

OTTO 擁有來自 19,000 多個(ge) 品牌的 1000 萬(wan) 多種產(chan) 品，是德國最大的在線商店。OTTO 是總部位於(yu) 漢堡的跨國 Otto 集團的成員，該集團還為(wei) Crate & Barrel（美國）和 3 Suisses（法國）提供補貼。

比賽任務

本次比賽的目標是預測電子商務點擊、購物車添加和訂單。您將根據用戶會(hui) 話中的先前事件構建多目標推薦係統。

您的工作將有助於(yu) 改善所有相關(guan) 人員的購物體(ti) 驗。客戶將收到更多量身定製的建議，而在線零售商可能會(hui) 增加銷售額。

評價指標

提交在 Recall@20 上針對每種操作類型進行評估，三個(ge) 召回值是加權平均的：{'clicks': 0.10, 'carts': 0.30, 'orders': 0.60}

對於(yu) 測試數據中的每個(ge) 會(hui) 話，您的任務是預測在測試會(hui) 話的最後一個(ge) 時間戳之後出現的每種類型的輔助值。換句話說，測試數據包含被時間戳截斷的會(hui) 話，您要預測截斷點之後會(hui) 發生什麽(me) 。

對於(yu) 點擊，每個(ge) 會(hui) 話隻有一個(ge) 真實值，即會(hui) 話期間點擊的下一個(ge) 輔助（盡管您仍然可以預測多達 20 個(ge) 輔助值）。購物車和訂單的基本事實包含在會(hui) 話期間添加到購物車並分別訂購的所有輔助值。

session_type,labels 12906577_clicks,135193 129431 119318 ... 12906577_carts,135193 129431 119318 ... 12906577_orders,135193 129431 119318 ... 12906578_clicks, 135193 129431 119318 ... etc.

數據描述

本次比賽的目標是預測電子商務點擊、購物車添加和訂單。您將根據用戶會(hui) 話中的先前事件構建多目標推薦係統。

訓練數據包含完整的電子商務會(hui) 話信息。對於(yu) 測試數據中的每個(ge) 會(hui) 話，您的任務是預測測試會(hui) 話中最後一個(ge) 時間戳 ts 之後發生的每個(ge) 會(hui) 話類型的幫助值。

• session - 唯一的會話 ID
• events - 會話中按時間排序的事件序列
• aid - 相關事件的文章 ID（產品代碼）
• ts - 事件的 Unix 時間戳
• type - 事件類型，即產品是否被點擊、添加到用戶的購物車或在會話期間訂購

比賽賽程

• 2022年11月1日：報名開始日期。您必須在此日期之後接受比賽規則才能參加比賽。
• 2023年1月24日：團隊合並截止日期。這是參與者加入或合並團隊的最後一天。
• 2022年1月31日：最終提交截止日期。

賽題獎金

1st Place - $ 16,000     2nd Place - $ 10,000     3rd Place - $ 5,000

解題思路

推薦係統比賽，可參考現有的推薦比賽方法和深度學習(xi) 論文。當然基於(yu) bert模型的方法也值得嚐試。