Какие задачи были на Data Fusion Contest 2024:
По геоаналитике. Участникам предоставили синтетические транзакционные данные пользователей. Нужно было предсказать, в каких локациях пользователь будет снимать наличные. Список локаций, в которых возможно снятие, известен. В качестве метрики использовалась бинарная кроссэнтропия.
По моделям оттока. Перед участниками стояла задача Time‑to‑Event на основе синтетических транзакционных данных пользователя — серий ежемесячных отчётных дат, на каждую из которых известна информация об активности пользователя (факту оттока), а также дата его последней транзакции перед выходом в отток. В рамках каждой отчётной даты предоставлялся отдельный непересекающийся набор пользователей с их историей транзакций за предшествующие полгода. Метрика — concordance index (CI).
При решении значительную часть препроцессинга данных и часть моделей взяли из open-source библиотеки pytorch-lifestream. В ансамбле использовали:
Две модели из открытых решений (nazarovo и kdimon15) и добавление к ним tf‑idf по mcc.
CoLES — одна из главных моделей ансамбля, используемая для получения представлений событийных данных в виде эмбеддингов. Эмбеддинги пользователя получены при помощи контрастивного обучения.
WTTE‑RNN — модель для получения риск‑эмбеддингов клиента в последний месяц.
WTTE‑CoLES (новый подход в работе с последовательностями) — эмбеддинги пользователя, полученные методом CoLES на равномерной по времени сетке. Также использовалась агрегация по выходу энкодера транзакций.
Supervised NN, предобученная методом CoLES.
Предсказание time по эмбеддингам и агрегатным фичам для дальнейшего предсказания target.
Поздравляем Артёма Сахно, Ивана Сергеева, Омара Золоева, Амурхана Дзагкоева и Данилу Степанова с «серебряной медалью»!
Обсудить