1.关于内存太小问题：目前NN大概有三大类解决方式，第一种是采取部分特征放入N中（或者调整embedding的大小），在我的baseline上（非开源）仅6id+videoplayseconds线上可以达到0.69+左右。第二种做法采用分批进入内存的方案，常见的方案如DataGenrator等。第三种做法是采用模型增量训练的做法。大家可以不断的尝试尝试。

2.关于树模型问题：在这个机器配置环境下，树模型确实很难跑的动。常见做法也就是采样、丢一部分特征、缩小embedding的纬度。

3.关于复赛上分方法：其实初赛周周星分享真的很棒，按照那个思路继续深挖，相信分数肯定不会差。其次，初赛成绩不佳的同学真不用太担心，因为复赛从某种程度上来说和初赛没什么关联（初赛有人分数很高比如树模型，但是复赛就很难跑的通），所以相信自己，加油就一定能拿TOP。

4.一些自己最近测试的感悟：(a)抖动问题：之前以为初赛数据少，加上uauc指标的问题，线上线下有几k的波动。但是复赛数据扩大十倍，居然还会有一定的波动。（b）差异性问题：离线看了自己模型跑的结果文件，corr相似度均比初赛低，融合收益空间估计很大。