背景介绍：
公司业务需要提供商户竞争对手服务，
对手应该是彼此相似的，只有相互理解所以才能不相上下成为对手
找对手就是找相似酒店
相似酒店只有在彼此影响范围夺食才是敌人，否则他们就是陌人或者盟友
携程美团的做法：
记录用户浏览酒店行为预测相似酒店+规则预测
我们无法得到用户浏览行为，所以另辟蹊径：
A.对手应该处在彼此影响区域——空间信息
B.对手是相似的——价格、用户群（用户评论用词特点）、自我定义（自我描述）、局部环境（poi分布）
C.全局评价，三方平台对他们的看法——携程、美团相似度酒店、看了还看信息
我们怎么做：
A.构造酒店特征，召回批量相似酒店（100家左右）
B.利用三方平台经验，做监督学习；召回酒店精排（相似酒店打分排名预测）
C.业务经验，制定规则减少竞争酒店范围（30家）
D.根据商户或一线人员对竞争酒店反馈信息，优化预测准确性
数据准备：
1、酒店poi数据分布
2、酒店经营数据
3、路网数据
4、地标常识数据、经济统计数据
特征抽取：
为什么是选这几张网
1、这张网比较广，基本可以把中国的乡镇城市都覆盖
2、这几张网覆盖到的点，人群密度足够
3、这几张网有差异性
4、这几张网可以把移动和固定人群一定程度都覆盖
5、这几张网数据相对容易得到
有以上特点，这几张网就比较适合作为建立商业生态的锚点网
通过这些锚点网关联POI数据、其他数据，就可以形成一张比较全面的关系网。
多个维度描述酒店生态。
统计类：
1、1km内POI总数&单位面积内POI密度
2、2km内POI总数&单位面积内POI密度
3、5km里内POI总数&单位面积内POI密度
4、2km内交通类POI占比
5、5km内交通类POI占比
6、2Km内各类POI分布
7、5km内各类POI分布
8、5km内医院分布
9、5km内便民POI分布
10、2km内商场POI分布
11、5km内各种POI品牌等级分布
……
距离类：
1、3km内两家酒店最短距离
2、3km内酒店到公交站平均距离
3、离省道路口最小距离……
启发类：
1、2km内师范院校密度
2、2km内3甲医院数量
3、3km内足浴点数量
4、2km内4A景点
5、2km内有个长途物流中心
……
业务规则类：
1、2km内即有品牌超市又有洗浴中心
2、3km内有大型国企且附近有配送中心
3、2km内BCD密度**且离公交站200米且有会展中心
……
模型实现：
有了以上特征数据，结下来要做的就是怎么去构造训练样本。
构造训练样本几个原则：
1、需要学习什么
2、样本是否均衡
3、样本分布和实际场景分布差异
（因是公司实际业务，数据构造具体细节不便透露；模型部分会给出相似测试数据样本方便代码测试）
GBDT与LR融合方案
AD ID类特征在CTR预估中是非常重要的特征，直接将AD ID作为feature进行建树不可行，顾考虑为每个AD ID建GBDT树。但互联网时代长尾数据现象非常显著，广告也存在长尾现象，为了提升广告整体投放效果，不得不考虑长尾广告[12]。在GBDT建树方案中，对于曝光充分训练样本充足的广告，可以单独建树，发掘对单个广告有区分度的特征，但对于曝光不充分样本不充足的长尾广告，无法单独建树，需要一种方案来解决长尾广告的问题。
综合考虑方案如下，使用GBDT建两类树，非ID建一类树，ID建一类树。1）非ID类树：不以细粒度的ID建树，此类树作为base，即便曝光少的广告、广告主，仍可以通过此类树得到有区分性的特征、特征组合。2）ID类树：以细粒度的ID建一类树，用于发现曝光充分的ID对应有区分性的特征、特征组合。
如何根据GBDT建的两类树，对原始特征进行映射？以如下图3为例，当一条样本x进来之后，遍历两类树到叶子节点，得到的特征作为LR的输入。当AD曝光不充分不足以训练树时，其它树恰好作为补充。
通过GBDT 映射得到的特征空间维度如何？GBDT树有多少个叶子节点，通过GBDT得到的特征空间就有多大。一个叶子节点对应一种有区分性的特征、特征组合，对应LR的一维特征。这颗树有8个叶子节点，即对应LR 的8维特征。估算一下，通过GBDT转换得到的特征空间较低，Base树、ID树各N颗，特征空间维度最高为（N+N*广告数+N*广告主数+ N*广告类目数）*叶子节点个数。其中广告数、广告主数、广告类目数都是有限的，同时参考Kaggle竞赛中树的数目N最多为30，叶子节点个数小于10，则估算通过GBDT 映射得到的特征空间维度并不高，且并不是每个ID训练样本都足以训练多颗树，实际上通过GBDT 映射得到的特征空间维度更低。
代码实现：
https://github.com/liangwq/GBDTLR.git
结果分析：
展望：
1、有标签数据较少，其它没标签数据信息没得到充分利用；希望通过无监督方法对信息浓缩利用（embedding）
2、构造相似矩阵，通过隐语义矩阵分解来信息浓缩充分利用无标签数据信息
3、利用已有标签对，通过graph embeding对现有数据做embedding
4、利用推荐分段模式，广招回、精排序、结合业务规则迭代优化
参考：
https://blog.csdn.net/lilyth_lilyth/article/details/48032119
https://blog.csdn.net/Losteng/article/details/78378958
转载：https://blog.csdn.net/liangwqi/article/details/102485849