Хакатон Академии ИИ «По страницам»: призовой фонд – 1 000 000 рублей.

Нажимая кнопку «Отправить решение», вы соглашаетесь с Правилами участия в соревновании.

1. Контекст

Книжный сервис хочет показывать пользователю витрину рекомендаций «на следующий период» (в нашем случае — месяц, 30 дней).

1. Витрина должна быть максимально релевантной и увеличивать шанс будущих взаимодействий (добавление в вишлист или чтение книги).
2. Но также сервису важно расширять кругозор пользователя, чтобы постепенно переводить пользователя на новый контент и поддерживать интерес к продукту.

Поэтому задача формулируется как баланс между точной персонализацией и жанровым разнообразием выдачи.

2. Задача

Для каждого пользователя из таблицы targets.csv необходимо сформировать ранжированный список из 20 изданий (edition_id) на следующий период (тестовое окно) из пула 200 кандидатов из таблицы candidates.csv (по каждому user_id).

Результат — ранжированный список, где rank = 1 соответствует верхней позиции витрины.

3. Формат файла решения (сабмита)

Нужно отправить файл submission.csv со списком рекомендаций.

Формат:

user_id,edition_id,rank

Требования к файлу:

• rank — целое число от 1 до 20 (1 — верх витрины).
• на каждого user_id должно быть ровно 20 строк.
• edition_id и rank внутри одного user_id не должен повторяться.
• все edition_id должны входить в 200 кандидатов для данного user_id.

4. Оценивание

Итоговый скор считается как комбинация релевантности и жанрового разнообразия:

где черта сверху означает среднее значение по всем пользователям в тесте.

Идея: итоговая выдача должна быть релевантной, но при этом не однообразной по жанрам.

4.1. Релевантность: NDCG@20

Для каждого пользователя сравнивается ваш ранжированный список из 20 изданий с фактом будущих взаимодействий в тестовом окне.

Релевантность для издания задаётся по сильному/слабому сигналам:

Примечания:

• Если в тестовом окне у одного edition_id есть и read, и wishlist, то используется приоритет read ⇒ rel=3.
• Если событий одного типа несколько, считается только факт наличия хотя бы одного события.

Далее для пользователя u:

где rel^*(u,k) — релевантности в идеальной сортировке (сначала все read, затем wishlist, затем остальные) для данного пользователя.

4.2. Жанровое разнообразие: Diversity@20

Каждое издание x соответствует книге (через editions.book_id) и имеет множество жанров G(x) через book_genres.

Важно: вклад позиции учитывается только для изданий, у которых есть хотя бы одно взаимодействие в тестовом окне.

Определим бинарную релевантность:

и дисконт позиции:

Далее определим relevance-weighted diversity как смесь двух компонентов: покрытие жанров и внутрисписочная разнородность.

4.2.1. Genre Coverage (relevance-weighted)

Пусть S_{u,k} — множество жанров, уже встретившихся среди релевантных рекомендаций выше позиции k:

где запись G(x) \cdot 0 означает пустое множество, а G(x) \cdot 1 = G(x).

Определим покрытие жанров как сумму дробных вкладов позиций (книга с m жанрами даёт суммарный вклад 1, распределённый как 1/m на каждый новый жанр), но:

• вклад учитывается только если \tilde{rel}(r_{u,k})=1;
• позиции дополнительно дисконтируются весом w_k;
• нормировка выполнена так, чтобы метрика была в диапазоне [0,1].

Пример: если книга имеет 3 жанра и приносит 2 новых, то вклад равен 2/3.

4.2.2. Intra-List Diversity (ILD) (relevance-weighted)

Определим попарную жанровую дистанцию как Jaccard-distance по множествам жанров:

Внутрисписочную разнородность считаем только среди релевантных рекомендаций (с \tilde{rel}=1). Пусть L_u — множество индексов позиций в топ-20, на которых рекомендация релевантна:

Если |L_u| < 2, то ILD_u@20 = 0. Иначе:

4.2.3. Итоговая diversity-метрика

Смешиваем покрытие и внутрисписочную разнородность: