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_id	Int	用户唯一标识（脱敏后）	666
register_day	String	日期	01, 02 .. 30
register_type	Int	来源渠道（脱敏后）	0
device type	Int	设备类型（脱敏后）	0

2.APP 启动日志

列名	类型	说明	示例
user_id	Int	用户唯一标识（脱敏后）	666
day	String	日期	01, 02 ..30

3.拍摄日志（video_create_log.txt）

列名	类型	说明	示例
user_id	Int	用户唯一标识（脱敏后）	666
day	String	拍摄日期	01, 02 .. 30

4.行为日志

列名	类型	说明	示例
user_id	Int	用户唯一标识（脱敏后）	666
day	String	日期	01, 02 ..30
page	Int	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_id	Int	video id（脱敏后）	333
author_id	Int	作者 id（脱敏后）	999
action_type	Int	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_id	Int	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：

​ 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