【数据挖掘】新闻推荐比赛 Task4 特征工程

制作与用户历史行为相关特征

• 对于每个用户， 获取最后点击的N个商品的item_id
• 对于该用户的每个召回商品， 计算与上面最后N次点击商品的相似度的和(最大， 最小，均值)， 时间差特征，相似性特征，字数差特征，与该用户的相似性特征

用户和文章特征

1. 文章自身的特征， 文章字数，文章创建时间， 文章的embedding （articles表中)
2. 用户点击环境特征， 那些设备的特征(这个在df中)
3. 对于用户和商品还可以构造的特征：
   1. 基于用户的点击文章次数和点击时间构造可以表现用户活跃度的特征
   2. 基于文章被点击次数和时间构造可以反映文章热度的特征
   3. 用户的时间统计特征： 根据其点击的历史文章列表的点击时间和文章的创建时间做统计特征，比如求均值， 这个可以反映用户对于文章时效的偏好
   4. 用户的主题爱好特征， 对于用户点击的历史文章主题进行一个统计， 然后对于当前文章看看是否属于用户已经点击过的主题
   5. 用户的字数爱好特征， 对于用户点击的历史文章的字数统计， 求一个均值