大神乾貨：冠軍選手分享解題思路，助你輕鬆突圍初賽
- 2020 年 5 月 14 日
- AI
2020年騰訊廣告演算法大賽的初賽的帷幕已然拉開，新老選手們正面臨著全新數據集的挑戰。在大家努力刷分的緊張時刻，我們為大家邀請到2019年騰訊廣告演算法大賽冠軍、數據競賽愛好者，也是本次大賽的參賽選手——魚遇雨欲語與余，請他分享對本次賽題的一些解讀，幫助大家拓寬思路，快速提高成績，順利突圍初賽！
大家好，我是魚遇雨欲語與余，畢業於武漢大學，人民郵電出版社簽約作者，2019年騰訊廣告演算法大賽冠軍。很高興再次參加今年的騰訊廣告演算法大賽。
本屆演算法大賽的題目為「廣告受眾基礎屬性預估」，賽題提供了90天用戶點擊廣告行為日誌及廣告的基本屬性，讓大家預測用戶性別和年齡。為了幫助大家快速理解本次賽事的題目，我和大家簡單分享一下我對於本次賽題數據的理解和一些解題思路。
- 賽題數據
賽題數據其實還是比較乾淨清爽的，用戶基本屬性資訊只需要我們預測性別和年齡，其餘的都是用戶點擊日誌和廣告相關資訊。初期需要去理解每個變數的含義，比如creative_id廣告素材可能由文案、圖片和影片組成，一個廣告包含多個廣告素材，因此廣告素材生成的流程也需要加以了解。「比較」是影響廣告投放的重要環節之一，首先結合用戶畫像和賣點提煉，然後確定使用場景，最後進行素材的篩選和加工。
對數據和業務的基本認識可以幫助我們深入理解賽題，挖掘更多有用資訊。
2. 解題思路
用戶的歷史點擊行為可以反映其屬性特點，比如男性偏愛電子產品、遊戲等，女性則更偏愛服飾、化妝品等，所以從點擊序列中挖掘資訊更為重要。那麼如何挖掘序列資訊呢，這裡的方法就比較多了，下面逐個介紹。
（1）one-hot
直接展開，保留所有資訊，300多萬維，可以直接放棄了。
（2）Tfidf
NLP中常用的做法，將用戶點擊序列中的creative_id或者ad_id集合看作一篇文檔，將每個creative_id或者ad_id視為文檔中的文字，然後使用tfidf。當然這也下來維度也非常高，可以通過參數調整來降低維度，比如sklearn中的TfidfVectorizer，可以使用max_df和min_df進行調整。
（3）Word2vec
把每個點擊的creative_id或者ad_id當作一個詞，把一個人90天內點擊的creative_id或者ad_id列表當作一個句子，使用word2vec來構造creative_id或者ad_id嵌入表示。最後進行簡單的統計操作得到用戶的向量表示。這種序列簡單聚合導致資訊損失，顯得是非常的粗糙，需要進一步引入attention等方法。
上述方法可以直接使用傳統的GBDT相關模型進行，1.3應該沒問題。下面可以考慮序列建模方式。例如RNN/LSTM/GRU，這類方法將用戶行為看做一個序列，套用NLP領域常用的RNN/LSTM/GRU方法來進行建模。
最後祝各位取得優異成績。
收穫了大神選手的心得分享後，你的解題思路有沒有更加清晰呢？希望各位選手放平心態，繼續加油。祝願各位突圍成功！
了解更多賽事相關資訊
掃碼加入大賽官方QQ群
或搜索群號：1094257162
和小夥伴一起解鎖更多內容
5月18日晚19:30，演算法大賽評委大咖將齊聚直播間分享《後疫情時代的「智」者未來》，大咖面對面傳授的機會不可多得！
感受大咖們的思想碰撞，點擊下方鏈接，一鍵預約加入直播！
點擊下方鏈接，報名參賽贏取現金大獎
官方報名入口：
