0
| 本文作者： 汪思穎 | 2018-06-18 16:19 | 專題：IJCAI 2018 |
雷鋒網 AI 研習社消息，IJCAI-18 阿里媽媽搜索廣告轉化預測比賽近日落下帷幕，本次比賽為阿里媽媽與 IJCAI2018、天池平臺聯合舉辦，總獎池 37000 美元，共吸引到 5204 支隊伍參賽。
此次比賽提供了廣告點擊相關的用戶（user）、廣告商品（ad）、檢索詞（query）、上下文內容（context）、商店（shop）等信息，參賽選手需要在這些條件下預測廣告產生購買行為的概率（pCVR），形式化定義為：
pCVR=P(conversion=1 | query, user, ad, context, shop)
主辦方希望在考慮到用戶行為偏好、商品長尾分布、熱點事件營銷等一系列因素的前提下，利用海量交易數據準確高效地預測用戶購買意向。此次比賽設置了如下兩類挑戰：
日常的轉化率預估
特殊日期的轉化率預估
目前，比賽結果已經出爐。雷鋒網看到，來自京東尚科，天池代號為「plants」的選手獲得冠軍，IJCAI-17 冠軍團隊獲得者周耀、郭鵬博以及李智獲得季軍，浙江工業大學陳波成、中南大學羅賓理和天津大學吳昊組成的「躺分隊」獲得第三名，作為前三名中唯一一支學生團隊，他們的比賽方案也已經出爐。
在方案中，他們主要討論了異常日期處理問題，主要思路如下：
難點與挑戰
這次比賽的難點有二，一是如何在正常流量數據中，找到適合表達促銷/突變的特征；二是如何在模型選擇上，找到盡快落地于工業界的輕量級框架。
分析數據
訓練數據為 8 月 31 日- 9 月 7 日上午，需要預測 9 月 7 日下午的用戶點擊率，8 月 31 日-9 月 5 日轉化率穩定，但 6 日下降，7 日猛增，推測 7 日為大促節日。
對于異常日期處理而言，僅僅考慮前六天的轉化率和第七天的高轉化率是不太適合的，如何處理第七天的轉化率異常是這道題需要解決的一大痛點。
四種訓練集劃分
針對此問題，他們根據對數據的分析、特征的構建、以及對實際場景的思考，提出了四種訓練集劃分：
1. 全量統計特征提取第七天特征——all-to-7
2. 全量數據的抽樣統計——sample
3. 單獨第七天的特征提取——only7
4. 全量數據——all
構造四種訓練集劃分的目的如下：
1）構造出訓練集中的差異性，方便模型融合
2）在每組訓練集中，對高維特征進行選擇，選擇后進行特征分組
特征工程：
首先執行如下三步操作：
上述基礎特征分列
去掉取值變化小的列
去掉缺失值過多的列
分析過程如下：
特征工程總覽如下：
特征選擇
特征選擇的方法有如下2點：
1）羅賓理同學在GitHub的開源代碼，參照糖尿病精準醫療大賽的特征選擇，地址如下：
https://github.com/luoda888/tianchi-diabetes-top12/blob/master/README.md
以及利用貪心、模擬退火算法，構造出多組特征，適用于組內模型融合。
2）利用 Std/Mean 訓練集測試集分布一致的思想，進行特征選擇，保證線上線下特征的一致性。
模型選擇及融合
分組后對不同的模型進行訓練，構造組內特征的差異性，模型的差異性 。
他們選擇的方法有 Xgboost/Lightgbm/GBDT+LR/Catboost/NN 模型
在 NN 模型里，使用對多個模型求 Average 的方法，使用的模型如下：
DeepFM/DeepFFM (原始 ID 特征放入交叉層) 與 Lightgbm 線下差距 0.0001 (千分點)
AFFM/AFM (對原始 ID 特征加入 Attention) 與 Lightgbm 線下差距 0.00001 (萬分點)
FNN/FFNN/NFM (將特征工程后放入網絡結構) 與 Lightgbm 線下差距 0.0001 (千分點)
將上述模型按對該組訓練集的數據敏感性訓練后加權，得到該組 NN 的結果 Ans_nn。每組特征都可以放入上述五個模型中，即組內選擇出的特征數 n 乘以組內模型數 m 即為該組模型的數量 = n*m。根據模型間的相關性，分配不同的權重進行加權融合，得到該組的答案 Ans_k。
接下來，在組間訓練集中，對每組的 Ans_k 進行加權融合得到 Ans_final，然后利用前六天的上下午，每小時均值的變化趨勢，線下預測出線上可能的均值，為 0.036287135，最后對 Ans_final 做 Logit 逆變換。
模型融合框架如下：
對比賽的總結有如下三點：
1）對促銷時期應考慮變化特征
2）合理的特征提取框架是致勝之道
3）多模型的融合提升精度較多
方案詳情：https://github.com/luoda888/2018-IJCAI-top3
雷鋒網 AI 研習社編輯整理。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
