Skip to content

Latest commit

 

History

History
42 lines (30 loc) · 3.28 KB

report.md

File metadata and controls

42 lines (30 loc) · 3.28 KB

Отчет

Основная идея эксперимента

Так как, лучшей моделью по итогам семинарских занятий была признана DSSM, то я решила взять ее за основу, внеся некоторые изменения в архитектуру. Также был написан новый рекомендер Best, выдающий для каждого юзера рекомендации, которые ранее этот юзер не слышал, в порядке, выданном моделью. Если для пользователя нет рекомендаций, то ему выдается случайный трек из топ-100.

Детали реализации

Изменения, внесенные в DSSM:

  • увеличила размер латентного пространства (embeding_size с 64 до 256);
  • изменила функцию активации (вместо ReLU - ELU);
  • увеличила размерность слоев ItemNet (с 32 до 64);
  • уменьшила размер батча (с 2048 до 1024).

Получила файл с рекомендациями best.json.

Рекомендер Best собирает информацию о том, какие треки уже были прослушаны каждым юзером. Если предыдущий прослушанный пользователем трек находится в списке рекомендаций best.json, то рекомендер выдает следующий по списку трек, при условии, что его ранее не слушали. Если же предыдущего трека нет в списке рекомендаций или следующий по списку трек был прослушан ранее, то тогда возращается первый трек из списка рекомендаций, который пользователь еще не слушал. В качестве fallback используется TopPop.

Результаты A/B эксперимента

Удалось статистически значимо улучшить метрики mean_tracks_per_session и mean_time_per_session:

Инструкция по запуску

  • Для обучения модели нужно использовать файл HW_2_DSSM.ipynb. В результате на гугл-диске сохранится файл best.json, который нужно положить по этому пути: botify/data/best.json.

  • Запустить botify и дождаться поднятия сервиса:

cd botify; sudo docker compose up -d --build --force-recreate --scale recommender=4
  • Запустить симуляцию:
cd sim; python3 -m sim.run --episodes 3000 --config config/env.yml multi --processes 4
  • По окончании симуляции выгрузить данные симуляции:
cd ../script; python dataclient.py --recommender 4 log2local ~/Desktop/data_best
  • A/B эксперимент: открыть jupyter/HW_2_ab_exp.ipynb и запустить все ячейки.