환경 설정

• clone 받은 repo로 이동
  • cd ./kakao-arena-music-recommendation
• export PYTHONPATH=$PWD

데이터셋 다운로드

• train.json, val.json, test.json, song_meta.json 파일을 다운받아 dataset 폴더에 넣는다.

데이터셋 전처리

• python3 data_loader/dump_datasets.py
  

노래, 태그, 아티스트 기반의 추천 모델 학습

• python3 trainer/songs_tags_artists_model_trainer.py \
        --gpu={gpu number}
  

  args.add_argument('--bs', type=int, default=128)
  args.add_argument('--gpu', type=int, default=6)
  args.add_argument('--tags_loss_weight', type=float, default=0.15)
  args.add_argument('--artists_loss_weight', type=float, default=0.15)
  args.add_argument('--warmup_steps', type=float, default=4000)
  

플레이리스트 타이틀 기반의 추천 모델 학습

• python3 trainer/plylst_title_model_trainer.py \
        --gpu={gpu number}
  

  args.add_argument('--bs', type=int, default=128)
  args.add_argument('--gpu', type=int, default=6)
  args.add_argument('--tags_loss_weight', type=float, default=0.15)
  args.add_argument('--warmup_steps', type=float, default=4000)
  

두개의 추천 모델을 합쳐서 노래, 태그 추천

• python3 predictor/Ensemble.py \
        --gpu={gpu number} \
        --question_path={question_path} \
        --out_path={out_path}
  

  args.add_argument('--bs', type=int, default=128)
  args.add_argument('--gpu', type=int, default=6)
  args.add_argument('--title_importance', type=float, default=0.85)
  args.add_argument('--title_tag_weight', type=float, default=0.8)
  args.add_argument('--question_path', type=str, default='./dataset/val.json')
  args.add_argument('--out_path', type=str, default='./reco_result/results.json')
  

• question_path
  • 리더보드용 validation set

  question_path=dataset/val.json
  

  • offline test validation set

  question_path=dataset/questions/val.json
  

  • final test set

  question_path=dataset/test.json    
  

offline test validation set 채점하기

• python3 evaluate.py evaluate \
       --gt_fname=dataset/answers/val.json \
       --rec_fname=./reco_result/results.json