推薦系統(tǒng)可以很好地解決信息過載以及信息不足等問題，廣泛應(yīng)用與電商、金融、新聞咨詢、社交、旅游等行業(yè)，其中最典型并具有良好的發(fā)展和應(yīng)用前景的領(lǐng)域就是電子商務(wù)領(lǐng)域。

在學(xué)術(shù)界，推薦系統(tǒng)同樣是熱門的研究方向，在各大頂會中的論文數(shù)目相當(dāng)可觀。在kaggle平臺，推薦系統(tǒng)相關(guān)的競賽同樣也不少。

這次學(xué)姐就幫同學(xué)們整理了部分kaggle推薦系統(tǒng)比賽，各場比賽的金牌方案也分享了，baseline代碼合集看這里??

掃碼添加小享，回復(fù)“RS金牌”

免費獲取金牌方案baseline代碼合集

（附贈190+場比賽top方案）

1.OTTO多目標(biāo)推薦系統(tǒng)大賽

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

比賽背景：擁有超過1900個品牌、1000萬種產(chǎn)品的最大德國線上商店Otto(奧托)，是總部位于漢堡的跨國奧托集團旗下子公司，該集團還擁有Crate & Barrel(美國)和3 Suisses(法國)。

本次競賽的目標(biāo)是預(yù)測電子商務(wù)點擊、購物車添加和訂單。參賽者將根據(jù)用戶會話中的先前事件構(gòu)建多目標(biāo)推薦系統(tǒng)。參賽者的工作將有助于改善所有相關(guān)人員的購物體驗?？蛻魧⑹盏礁嗔可矶ㄖ频慕ㄗh，而在線零售商可能會增加銷售額。

評估標(biāo)準(zhǔn)：提交內(nèi)容根據(jù)每個操作“類型”的Recall@20進行評估，三個召回值進行加權(quán)平均:

比賽時間：2022.11-2023.1

??金牌方案：

第一名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/384022

第二名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/382790

第三名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383013

第四名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/382783

第五名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/382802

第六名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/384120

第七名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383769

第八名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383130

第九名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383792

第十名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/382851

第十一名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383374

第十二名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/382834

第十三名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383229

第十四名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/383382

第十五名：https://www.kaggle.com/competitions/otto-recommender-system/discussion/382905

2.H&M個性化時尚推薦大賽

比賽鏈接：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/overview

比賽背景：H&M集團是一個品牌和企業(yè)家族，擁有53個在線市場和約4850家商店。我們的在線商店為購物者提供了廣泛的產(chǎn)品選擇供您瀏覽。但是，由于選擇太多，客戶可能無法快速找到他們感興趣或正在尋找的內(nèi)容，最終他們可能不會購買。為了增強購物體驗，產(chǎn)品推薦是關(guān)鍵。更重要的是，幫助客戶做出正確的選擇也對可持續(xù)性產(chǎn)生了積極影響，因為它減少了回報，從而最大限度地減少了運輸?shù)呐欧拧?/p>

在本次競賽中，H&M集團邀請參賽者根據(jù)先前交易的數(shù)據(jù)以及客戶和產(chǎn)品元數(shù)據(jù)制定產(chǎn)品推薦?？捎玫脑獢?shù)據(jù)范圍從服裝類型和客戶年齡等簡單數(shù)據(jù)到產(chǎn)品描述中的文本數(shù)據(jù)，再到服裝圖像中的圖像數(shù)據(jù)。

評估標(biāo)準(zhǔn)：提交內(nèi)容根據(jù)平均平均精度@12(MAP@12)進行評估：

比賽時間：2022.2-2022.5

??金牌方案：

第一名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324070

第二名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324197

第三名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324129

第四名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324094

第五名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324098

第六名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324075

第八名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324185

第九名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324127

第十名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324223

第十一名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324084

第十二名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324310

第十三名：https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations/discussion/324207

3.Elo 商家類別推薦大賽

比賽鏈接：https://www.kaggle.com/c/elo-merchant-category-recommendation

比賽背景：Elo已經(jīng)建立了機器學(xué)習(xí)模型來了解客戶生命周期中最重要的方面和偏好，從食物到購物。但到目前為止，沒有一個模型是專門針對個人或配置文件定制的。

在這個競賽中，Kaggle用戶將開發(fā)算法來識別和為個人提供最相關(guān)的機會，方法是發(fā)掘客戶忠誠度中的信號。參賽者的貢獻將改善客戶的生活，并幫助Elo減少不必要的活動，為客戶創(chuàng)造恰到好處的體驗。

評估標(biāo)準(zhǔn)：提交結(jié)果的評分基于均方根誤差。均方根誤差定義為：

比賽時間：2019.2

??金牌方案：

第一名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82036

第五名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82314

第七名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82055

第十名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82093

第十一名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82127

第十四名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82375

第十六名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82166

第十八名：https://www.kaggle.com/competitions/elo-merchant-category-recommendation/discussion/82107

掃碼添加小享，回復(fù)“RS金牌”

免費獲取金牌方案baseline代碼合集

（附贈190+場比賽top方案）

4.WSDM - KKBox的音樂推薦大賽

比賽鏈接：https://www.kaggle.com/competitions/kkbox-music-recommendation-challenge

比賽背景：雖然公眾現(xiàn)在聽各種音樂，但算法仍然在關(guān)鍵領(lǐng)域掙扎，如果沒有足夠的歷史數(shù)據(jù)，算法如何知道聽眾會喜歡一首新歌還是新藝術(shù)家？而且，它如何知道推薦哪些歌曲來推薦全新的用戶？

WSDM向Kaggle ML社區(qū)提出了挑戰(zhàn)，以幫助解決這些問題并構(gòu)建更好的音樂推薦系統(tǒng)。該數(shù)據(jù)集來自亞洲領(lǐng)先的音樂流媒體服務(wù)KKBOX，擁有世界上最全面的亞洲流行音樂庫，擁有超過30萬首曲目。他們目前使用基于協(xié)同過濾的算法，在他們的推薦系統(tǒng)中使用矩陣分解和詞嵌入，但相信新技術(shù)可以帶來更好的結(jié)果。

評估標(biāo)準(zhǔn)：提交內(nèi)容根據(jù)預(yù)測概率和觀測目標(biāo)之間的ROC曲線下面積進行評估。

比賽時間：2017.12-2018.2

??金牌方案：

第一名：https://www.kaggle.com/competitions/kkbox-music-recommendation-challenge/discussion/45942

第二名：https://www.kaggle.com/competitions/kkbox-music-recommendation-challenge/discussion/45971

第六名：https://www.kaggle.com/competitions/kkbox-music-recommendation-challenge/discussion/45999

5.桑坦德產(chǎn)品推薦大賽

比賽鏈接：https://www.kaggle.com/c/santander-product-recommendation/

比賽背景：在他們目前的系統(tǒng)下，桑坦德銀行的少數(shù)客戶會收到許多建議，而其他許多客戶很少看到任何導(dǎo)致客戶體驗不平衡的建議。在他們的第二場比賽中，桑坦德銀行正在挑戰(zhàn)Kagglers，根據(jù)他們過去的行為和類似客戶的行為來預(yù)測他們的現(xiàn)有客戶將在下個月使用哪些產(chǎn)品。

有了更有效的推薦系統(tǒng)，桑坦德銀行可以更好地滿足所有客戶的個性化需求，并確保他們的滿意度，無論他們身在何處。

評估標(biāo)準(zhǔn)：提交內(nèi)容根據(jù)平均平均精度@7 (MAP@7)進行評估：

比賽時間：2016.12

??金牌方案：

第一名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26835

第二名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26824

第三名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26899

第四名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26845

第五名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26841

第七名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26802

第八名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26838

第九名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26809

第十一名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26823

第十三名：https://www.kaggle.com/competitions/santander-product-recommendation/discussion/26816

6.Expedia 網(wǎng)站酒店推薦大賽

比賽鏈接：https://www.kaggle.com/competitions/expedia-hotel-recommendations

比賽背景：Expedia想要通過為用戶提供個性化的酒店推薦來消除酒店搜索中的難題。這對一個每個月有數(shù)億訪問量的網(wǎng)站來說不是一個小任務(wù)!

目前，Expedia使用搜索參數(shù)來調(diào)整他們的酒店推薦，但沒有足夠的客戶特定數(shù)據(jù)來為每個用戶定制。在這個競賽中，Expedia正在挑戰(zhàn)Kaggle用戶根據(jù)客戶數(shù)據(jù)的上下文來預(yù)測用戶入住100個不同酒店集團的可能性。

評估標(biāo)準(zhǔn)：提交內(nèi)容根據(jù)<平均平均精度@5>(MAP@5)進行評估：

比賽時間：2016.6

??金牌方案：

第一名：https://www.kaggle.com/competitions/expedia-hotel-recommendations/discussion/21607

第六名：https://www.kaggle.com/competitions/expedia-hotel-recommendations/discussion/21615

7.活動推薦引擎挑戰(zhàn)賽

比賽鏈接：https://www.kaggle.com/competitions/event-recommendation-engine-challenge

比賽背景：該挑戰(zhàn)賽要求參賽者根據(jù)用戶過去響應(yīng)的事件、用戶人口統(tǒng)計信息以及事件來預(yù)測用戶會對哪些事件感興趣。從這些數(shù)據(jù)中發(fā)現(xiàn)的見解以及獲獎?wù)邉?chuàng)建的算法將使我們能夠改進我們的活動推薦算法，這是我們應(yīng)用程序的核心部分，也是改善用戶體驗的關(guān)鍵要素。

評估標(biāo)準(zhǔn)：本次比賽的評價指標(biāo)是平均精度200（任何一個用戶的最大事件數(shù)是116，所以200不會產(chǎn)生有意義的限制）。

比賽時間：2013.1-2013.2

??金牌方案：

第七名：https://www.kaggle.com/competitions/event-recommendation-engine-challenge/discussion/3894

掃碼添加小享，回復(fù)“RS金牌”

免費獲取金牌方案baseline代碼合集

（附贈190+場比賽top方案）