問題介紹
構(gòu)建預(yù)測(cè)模型"預(yù)估用戶的購(gòu)買意向"吐绵，即給定廣告點(diǎn)擊相關(guān)的用戶（user）慧妄、廣告商品（ad）、檢索詞（query）展父、上下文內(nèi)容（context）返劲、商店（shop）等信息的條件下，預(yù)測(cè)廣告產(chǎn)生購(gòu)買行為的概率（pCVR）栖茉，形式化定義為：pCVR=P(conversion=1 | query, user, ad, context, shop)篮绿。
（1）日常的轉(zhuǎn)化率預(yù)估
（2）特殊日期的轉(zhuǎn)化率預(yù)估
評(píng)估指標(biāo)
用logloss評(píng)估模型效果（越小越好）
其中表示測(cè)試集樣本數(shù)量，
表示測(cè)試集中第
個(gè)樣本的真實(shí)標(biāo)簽吕漂，
表示第
個(gè)樣本的預(yù)估轉(zhuǎn)化率亲配。logloss更關(guān)注和觀察數(shù)據(jù)的吻合程度，AUC更關(guān)注rank order惶凝。
數(shù)據(jù)
5類數(shù)據(jù)（用戶信息吼虎、廣告商品信息、基礎(chǔ)數(shù)據(jù)梨睁、上下文信息和店鋪信息）鲸睛。基礎(chǔ)數(shù)據(jù)表提供了搜索廣告最基本的信息坡贺，以及“是否交易”的標(biāo)記官辈。廣告商品信息、用戶信息遍坟、上下文信息和店鋪信息等4類數(shù)據(jù)拳亿，提供了對(duì)轉(zhuǎn)化率預(yù)估可能有幫助的輔助信息。如果一條樣本的某個(gè)字段為“-1”愿伴，表示這個(gè)樣本的對(duì)應(yīng)字段缺乏數(shù)據(jù)肺魁。
基礎(chǔ)數(shù)據(jù)
instance_id：樣本編號(hào)，Long
is_trade：是否交易的標(biāo)記位隔节，Int類型鹅经；取值是0或者1寂呛，其中1 表示這條樣本最終產(chǎn)生交易，0 表示沒有交易
item_id：廣告商品編號(hào)瘾晃，Long類型
user_id：用戶的編號(hào)贷痪，Long類型
context_id：上下文信息的編號(hào)，Long類型
shop_id：店鋪的編號(hào)蹦误，Long類型
廣告商品信息
item_id：廣告商品編號(hào)劫拢，Long類型
item_category_list：廣告商品的類目列表，String類型强胰；從根類目（最粗略的一級(jí)類目）向葉子類目（最精細(xì)的類目）依次排列舱沧，數(shù)據(jù)拼接格式為"category_0;category_1;category_2"，其中 category_1 是 category_0 的子類目偶洋，category_2 是 category_1 的子類目
item_property_list：廣告商品的屬性列表熟吏，String類型；數(shù)據(jù)拼接格式為 "property_0;property_1;property_2"玄窝，各個(gè)屬性沒有從屬關(guān)系
item_brand_id：廣告商品的品牌編號(hào)分俯，Long類型
item_city_id：廣告商品的城市編號(hào)，Long類型
item_price_level：廣告商品的價(jià)格等級(jí)哆料，Int類型；取值從0開始吗铐，數(shù)值越大表示價(jià)格越高
item_sales_level：廣告商品的銷量等級(jí)东亦，Int類型；取值從0開始唬渗，數(shù)值越大表示銷量越大
item_collected_level：廣告商品被收藏次數(shù)的等級(jí)典阵，Int類型；取值從0開始镊逝，數(shù)值越大表示被收藏次數(shù)越大
item_pv_level：廣告商品被展示次數(shù)的等級(jí)壮啊，Int類型；取值從0開始撑蒜，數(shù)值越大表示被展示次數(shù)越大
用戶信息
user_id：用戶的編號(hào)歹啼，Long類型
user_gender_id：用戶的預(yù)測(cè)性別編號(hào)，Int類型座菠；0表示女性用戶狸眼，1表示男性用戶，2表示家庭用戶
user_age_level：用戶的預(yù)測(cè)年齡等級(jí)浴滴，Int類型拓萌；數(shù)值越大表示年齡越大
user_occupation_id：用戶的預(yù)測(cè)職業(yè)編號(hào)，Int類型
user_star_level：用戶的星級(jí)編號(hào)升略，Int類型微王；數(shù)值越大表示用戶的星級(jí)越高
上下文信息
context_id：上下文信息的編號(hào)屡限，Long類型
context_timestamp：廣告商品的展示時(shí)間，Long類型炕倘；取值是以秒為單位的Unix時(shí)間戳钧大，以1天為單位對(duì)時(shí)間戳進(jìn)行了偏移
context_page_id：廣告商品的展示頁(yè)面編號(hào)，Int類型激才；取值從1開始拓型，依次增加；在一次搜索的展示結(jié)果中第一屏的編號(hào)為1瘸恼，第二屏的編號(hào)為2
predict_category_property：根據(jù)查詢?cè)~預(yù)測(cè)的類目屬性列表劣挫，String類型；數(shù)據(jù)拼接格式為 “category_A:property_A_1,property_A_2,property_A_3;category_B:-1;category_C:property_C_1,property_C_2” 东帅，其中 category_A压固、category_B、category_C 是預(yù)測(cè)的三個(gè)類目靠闭；property_B 取值為-1帐我，表示預(yù)測(cè)的第二個(gè)類目 category_B 沒有對(duì)應(yīng)的預(yù)測(cè)屬性
店鋪信息
shop_id：店鋪的編號(hào)，Long類型
shop_review_num_level：店鋪的評(píng)價(jià)數(shù)量等級(jí)愧膀，Int類型拦键；取值從0開始，數(shù)值越大表示評(píng)價(jià)數(shù)量越多
shop_review_positive_rate：店鋪的好評(píng)率檩淋，Double類型芬为；取值在0到1之間，數(shù)值越大表示好評(píng)率越高
shop_star_level：店鋪的星級(jí)編號(hào)蟀悦，Int類型媚朦；取值從0開始，數(shù)值越大表示店鋪的星級(jí)越高
shop_score_service：店鋪的服務(wù)態(tài)度評(píng)分日戈，Double類型询张；取值在0到1之間，數(shù)值越大表示評(píng)分越高
shop_score_delivery：店鋪的物流服務(wù)評(píng)分浙炼，Double類型份氧；取值在0到1之間，數(shù)值越大表示評(píng)分越高
shop_score_description：店鋪的描述相符評(píng)分弯屈，Double類型半火；取值在0到1之間，數(shù)值越大表示評(píng)分越高
特征工程
（1）基礎(chǔ)特征：基礎(chǔ)數(shù)據(jù)季俩、廣告商品信息钮糖、用戶信息、上下文信息、店鋪信息店归。轉(zhuǎn)化時(shí)間戳特征阎抒。
（2）統(tǒng)計(jì)類特征：主要用到三種度量方式:count,unique,mean,分別從全局、天消痛、小時(shí)三種時(shí)間粒度來構(gòu)造且叁。
（3）時(shí)間差特征：從用戶點(diǎn)擊商品的時(shí)間差來反映用戶購(gòu)買商品的可能性，”短時(shí)間內(nèi)點(diǎn)擊“相同商品購(gòu)買的可能性會(huì)比較大秩伞。用戶點(diǎn)擊商品無(wú)非三個(gè)位置：首次點(diǎn)擊逞带、中間點(diǎn)擊、末次點(diǎn)擊纱新，往往最后一次瀏覽購(gòu)買可能性最大展氓。
（4）分段特征：對(duì)小時(shí)、score脸爱、rate進(jìn)行構(gòu)造遇汞，這類離散化后的特征對(duì)異常數(shù)據(jù)有很強(qiáng)的魯棒性，刻畫出用戶習(xí)慣操作和偏好簿废。
（5）概率特征：主要構(gòu)造了轉(zhuǎn)化率特征和比例特征空入。轉(zhuǎn)化率特征主要統(tǒng)計(jì)的是歷史轉(zhuǎn)化率，一是刻畫轉(zhuǎn)化率的變化情況族檬，二是反應(yīng)某個(gè)特征大概轉(zhuǎn)化情況歪赢，特征我們進(jìn)行了單特征和多特征組合構(gòu)造轉(zhuǎn)化率特征。比例特征用來刻畫某類用戶的偏好单料。
（6）其他特征：重復(fù)出現(xiàn)次數(shù)分段(存在很多用戶在同一時(shí)間下進(jìn)行多次點(diǎn)擊轨淌，統(tǒng)計(jì)其出現(xiàn)次數(shù)(same_time_expo_cnt)。用戶對(duì)相同商品點(diǎn)擊次數(shù)對(duì)于次數(shù)大于2的進(jìn)行標(biāo)記（user_large2))看尼、predict_category_property(用戶搜索某商品時(shí)顯示預(yù)測(cè)的類別屬性影響著用戶點(diǎn)擊情況，構(gòu)造了預(yù)測(cè)類別屬性與用戶點(diǎn)擊商品類別屬性的交集個(gè)數(shù)與相似度)
模型訓(xùn)練
上述構(gòu)造特征的過程能夠上到數(shù)百個(gè)特征盟步，但是又不可能對(duì)所有特征進(jìn)行訓(xùn)練藏斩，因?yàn)槔锩婵赡馨芏嗳哂嗵卣鳌Ｊ褂脀arpper的方式來進(jìn)行特征選擇却盘。將前向搜索狰域、后向搜索、隨機(jī)搜索進(jìn)行組合篩選出最終特征黄橘。
參考文獻(xiàn)
https://tianchi.aliyun.com/competition/entrance/231647/introduction
https://zhuanlan.zhihu.com/p/36858386
https://tianchi.aliyun.com/course/video?liveId=5531
https://github.com/YouChouNoBB/ijcai-18-top2-single-mole-solution
