Home

Awesome

2018中国高校计算机大赛——大数据挑战赛

赛题描述

​ 本次大赛基于脱敏和采样后的数据信息,预测未来一段时间活跃的用户。参赛队伍需要设计相应的算法进行数据分析和处理,比赛结果按照指定的评价指标使用在线评测数据进行评测和排名,得分最优者获胜。

数据说明

​ 大赛提供脱敏和采样后用户行为数据,日期信息进行统一编号,第一天编号为 01, 第二天为 02, 以此类推,所有文件中列使用 tab 分割。

1.注册日志

列名类型说明示例
user_idInt用户唯一标识(脱敏后)666
register_dayString日期01, 02 .. 30
register_typeInt来源渠道(脱敏后)0
device typeInt设备类型(脱敏后)0

2.APP 启动日志

列名类型说明示例
user_idInt用户唯一标识(脱敏后)666
dayString日期01, 02 ..30

3.拍摄日志(video_create_log.txt)

列名类型说明示例
user_idInt用户唯一标识(脱敏后)666
dayString拍摄日期01, 02 .. 30

4.行为日志

列名类型说明示例
user_idInt用户唯一标识(脱敏后)666
dayString日期01, 02 ..30
pageInt行为发生的页面。每个数字分别对应“关注页”、”个人主页“、 ”发现页“、”同城页“或”其他页“中的一个1
video_idIntvideo id(脱敏后)333
author_idInt作者 id(脱敏后)999
action_typeInt用户行为类型。每个数字分别对应“播放“、”关注“、 ”点赞“、”转发“、”举报“和”减少此类作品“中的一个1

评审说明

​ 我们将“在未来7天(即第31天至第37天)内使用过APP(在上述任一类型日志中出现过)的用户定义为“活跃用户”,参赛选手需要从“注册日志”中预测出这些用户。

​ 提交结果格式为:

列名类型说明示例
user_idInt用户唯一标识666

​ 要求每行一个 user_id,user_id 需要从提供给的“注册日志”中选取。

初赛

​ 设参赛选手提交的用户集合为 M,实际上未来 7 天内使用过快手的用户集合为 N ,且集合 N 是提供给选手的注册用户的子集。

​ 选手提交结果的 F1 Score 定义为:

img

​ 最终使用 F1 Score 作为参赛选手得分。F1 Score 越大,代表结果越优,排名越靠前。

​ 复赛

​ 为了提升复赛中选手成绩的区分度,复赛的评测指标改为AUC。

解决方案

初赛评价指标F1

和队友融合A榜达到0.822788,B榜达到0.81985。

初赛模型一直比较稳,但这也是最后的辉煌了。

没有特别关注阈值,AB榜都一直提交的前25000个。

复赛换了auc一直做不上去,我也不知道为什么,最终28名,很遗憾。

这里就只分享我初赛的方案。

model_4这套方案采用标签不重叠的划窗:

train1:用户1-9,历史信息1-9,标签10-16;

train2:用户1-16,历史信息8-16,标签17-23;

train3:用户1-23,历史信息15-23,标签24-30;

test:用户1-30,历史信息22-30。

model_2这套方案采用划窗

train1:用户1-19,历史信息1-19,标签20-26

train2:用户1-20,历史信息2-20,标签21-27

train3:用户1-21,历史信息3-21,标签22-28

train4:用户1-22,历史信息4-22,标签23-29

train5:用户1-23,历史信息5-23,标签24-30

test:用户1-30,历史信息12-30

特征工程不同

队友开源:https://github.com/FNo0/2018-KUAISHOU-Top28 这个比赛我们一共四个模型

方案整理的不够详细,如果有什么疑问,可以按照github上邮箱进行联系972913434@qq.com