基于RNN和GBDT融合方法的用户活跃度预测

• 作者: 孙频捷 左劼 盛爱林
• 来源期刊: 现代计算机
• 关键词: 特征工程 GBDT RNN SWA
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 研究与开发
• 页码范围: 8-11,33
• 页数: 5页
• 字数: 3207字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.03.002

摘要

在百度举办的WSDM Cup用户留存率预测比赛中,比赛的主要任务为根据用户在好看视频App一天当中的交互数据来预测下一天用户是否会继续使用App,该任务为典型的二分类类型.在新用户下载App并使用一段时间过后,一些用户会在下一天继续登录和使用App,这种用户也叫回归用户;而另外一部分用户可能会仅仅在下载的当天探索使用,而在此之后的很长时间不会继续使用.设计一种实用的机器学习方法来解决这一难题,包括特征工程、LightGBM、CatBoost等GBDT梯度提升树、ManyToMany结构的RNN和机器学习模型Stacking方法.希望能找到有效提高用户留存率预测正确率的方法,以及深度挖掘影响用户留存率的关键因素,在该比赛任务中,我们所设计的方案,最终以0.7671的成绩获得第二名.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左劼	四川大学计算机学院	38	647	11.0	25.0
2	孙频捷		12	5	1.0	1.0
3	盛爱林	四川大学计算机学院	1	0	0.0	0.0