代码运行说明

标签（空格分隔）： CCF 客户画像 大连理工大学信息检索实验室

---

按照95598工单记录次数对用户分为两类，分别构造特征和建模。

• 将只有一条95598记录的用户定义为低敏感度用户，用A或者single指代
• 将有多条95598记录的用户定义为高敏感度用户，用B或者multi指代

1.配置说明

程序依赖python3及以下程序包

• anaconda3
• xgboost
• jieba

程序运行需要以下文件

/stopwords.txt  停用词表

请将原始数据放于下面目录中, 请确保都是utf-8编码格式

/rawdata/
    01_arc_s_95598_wkst_train.tsv
    01_arc_s_95598_wkst_test.tsv
    02_s_comm_rec.tsv
    09_arc_a_rcvbl_flow.tsv
    09_arc_a_rcvbl_flow_test.tsv
    train_label.csv
    test_to_predict.csv

其余目录作用

/code/  用于存放程序代码
/myfeatures/  用于存放程序运行生成的各种特征文件
/result/  用于存放最终的输出结果

2.运行

确认以上文件存在之后，依次运行：

python code/create_features_A.py    # 生成低敏感度用户的特征文件
python code/select_features_A.py    # 采用xgboost对低敏感度用户的文本特征进行筛选
python code/model_A.py              # 训练低敏感度用户的预测模型，及模型融合
python code/create_features_B.py    # 生成高敏感度用户的特征文件
python code/select_features_B.py    # 采用xgboost对高敏感度用户的文本特征进行筛选
python code/model_B.py              # 训练高敏感度用户的预测模型，及模型融合

3.输出文件说明

程序输出的结果包括特征文件和最终预测结果两部分：

myfeatures/
    statistical_features_1.pkl  低敏感度用户的统计特征
    text_features_1.pkl         低敏感度用户在表1中的ACCEPT_CONTENT文本信息
    single_select_words.pkl     低敏感度用户部分，采用xgboost选择的文本特征
    statistical_features_2.pkl  高敏感度用户的统计特征
    text_features_2.pkl         高敏感度用户在表1中的ACCEPT_CONTENT文本信息
    multi_select_words.pkl      高敏感度用户部分，采用xgboost选择的文本特征
    
result/                 
    A.csv               低敏感度用户中的电费敏感用户
    B.csv               高敏感度用户中的电费敏感用户
    result.csv          合并结果