1. 方案是融合模型(仅用了id信息)，用两个NN模型加权融合，值得一提方案并不复杂单模差不多在0.717左右，并且两个模型就是dropout的差别（融合收益很大）。
2.网络结构部分借鉴transformer设计思路，效果出奇的好。
3.embedding大小挺重要，这里需要优化代码效率问题，现阶段我也是采用的keras.utils.Sequence实现的，在batch内部进行merge，一个模型预测完测试集仅需30s左右。
4.尝试过加很多特征，发现并没有用，我对模型优化侧重点更多还是id部分。
